【技术实现步骤摘要】
基于支持向量机的滑坡易发性评估方法及工具
[0001]本专利技术属于滑坡灾害评估领域,具体涉及一种基于支持向量机的滑坡易发性评估方法及工具。
技术介绍
[0002]滑坡易发性评价是综合分析研究区内的各种地质环境因素、历史滑坡数据、滑坡的物理规律等要素,确定研究区内未来发生滑坡的概率。近年来,滑坡易发性制图工作已经引起了很多学者的关注,各类基于此的文章被发表。生成滑坡易发性图的方法主要有基于专家经验的经验模型、基于数据驱动的统计模型和机器学习模型。与传统方法相比,机器学习模型不依赖专家经验,降低了评价结果的主观性,准确性高。随着地理信息系统(GIS)软件以及开源机器学习库的发展,机器学习方法越来越受欢迎,与其他机器学习算法相比,支持向量机(SVM)方法因其在解决小样本、非线性和高维的分类问题上具有一定优势,在计算滑坡易发性方面得到了广泛应用。
[0003]使用SVM开展滑坡易发性评估虽然准确性高,但过程较复杂,涉及数据预处理、影响因子筛选、数据集制作、模型训练及预测等多个步骤,通常使用SVM开展滑坡易发性制图工作时,研究人员需要跨多个平台开展工作,如坡度、坡向等基于数字高程模型(DEM)制作的地形因子,依靠ArcGIS或QGIS等平台;模型训练及参数优化通常使用Python、R或Matlab等已经被广泛使用的编程语言;此外,大多数研究中使用Excel、SPSS软件或编程语言进行模型精度评定及统计分析。
[0004]目前,部分文献提出并应用了几种工具来评估滑坡易发性。Osna et al.(2014)等人 ...
【技术保护点】
【技术特征摘要】
1.一种基于支持向量机的滑坡易发性评估方法,其特征在于,包括:获取覆盖待预测区域的历史地形地质数据;其中,所述历史地形地质数据包括滑坡的各项影响因子以及滑坡点数据;对历史地形地质数据以数据转换的形式进行预处理;在预处理之后的历史地形地质数据中裁剪出待预测区域的目标地形地质数据;将同一位置点的目标地形地质数据在通道方向叠加,形成多通道的三维待预测影像;其中,每个通道对应一个影响因子;根据待预测区域的滑坡点数据,在所述待预测影像中确定各个滑坡点所在范围内的第一多通道子影像以及各个非滑坡点所在范围内的第二多通道子影像;按照预设比例从第一多通道子影像和第二多通道子影像中选取样本,组成训练集和测试集;针对每个样本,计算该样本各个通道之间的皮尔逊相关系数以及各个通道因子对滑坡发生的信息增益比;根据皮尔逊相关系数以及信息增益比,去除训练集、测试集以及待预测影像中不符合条件的通道对应的影响因子,获得更新后的训练集、测试集以及待预测影像;在不同参数下迭代使用训练集训练SVM模型,并使用测试集对SVM模型精度进行测试根据评价指标得到训练完成后的最优SVM模型;使用训练完成后的最优SVM模型对更新后的待预测影像逐窗口进行预测,生成待预测区域的易发性图。2.根据权利要求1所述的基于支持向量机的滑坡易发性评估方法,其特征在于,所述历史地形地质数据包括:历史滑坡点数据、高程DEM、道路、断层、水系、降雨量、岩性和归一化植被指数NDVI数据;所述道路、断层以及水系数据为线性矢量数据。3.根据权利要求2所述的基于支持向量机的滑坡易发性评估方法,其特征在于,所述对历史地形地质数据以数据转换的形式进行预处理包括:利用DEM数据,计算待预测区域的地形因子;计算待预测区与各个线性矢量数据之间的欧式距离,以将矢量数据转化为连续型栅格数据;将降雨量数据通过存储格式转化,转化为连续型栅格数据,以完成历史地形地质数据的预处理。4.根据权利要求1所述的基于支持向量机的滑坡易发性评估方法,其特征在于,所述根据待预测区域的滑坡点数据,在所述待预测影像中确定各个滑坡点所在范围内的第一多通道子影像以及各个非滑坡点所在范围内的第二多通道子影像包括:根据待预测区域的滑坡点数据,确定各个滑坡点位置;以每个滑坡点为中心点,以预设的半径确定每个滑坡点的圆形缓冲区;在每个滑坡点的圆形缓冲区之外且位于待预测区域内,随机选取与滑坡点数量相同的非滑坡点;以与滑坡点的圆形缓冲区相同的半径为每个非滑坡点制作圆形缓冲区;求取每个圆形缓冲区的最小外接矩形,得到滑坡点的第一外接矩形和非滑坡点的第二外接矩形;
每个滑坡点的第一外接矩形以及每一个非滑坡点的第二外接矩形在待预测影像对应位置处进行裁剪,得到滑坡点对应的第一多通道子影像以及非滑坡点对应的第二多通道子影像。5.根据权利要求4所述的基于支持向量机的滑坡易发性评估方法,其特征在于,所述按照预设比例从第一多通道子影像和第二多通道子影像选取样本组成训练集和测试集包括:将第一多通道子影像作为正样本,并将第二多通道子影像作为负样本;按照预设的正样本与负样本的比例,选择正样本以及负样本组成测试集和训练集;将训练集以及测试集进行存储;以文本记录训练集以及测试集的存储信息,并进行保存;其中,文本中记载训练集以及测试集中每个样本的存储路径以及区分样本为滑坡点对应的样本还是非滑坡点对应的样本的标签。6.根据权利要求1所述的基于支持向量机的滑坡易发性评估方法,其特征在于,所述根据皮尔逊相关系数以及信息增益比,去除训练集、...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。