一种震后暴雨泥石流敏感性动态分析方法技术

本发明专利技术涉及一种震后暴雨泥石流敏感性动态分析方法，包括步骤：收集研究区震后泥石流流域若干年的样本数据集，所述样本数据集中包含若干因子；对样本数据集进行重采样，建立多组样本数据集；分别对各组样本数据集中的因子进行共线性检测，筛选出用于模型建立的因子，从而建立泥石流敏感性分析模型；并根据泥石流敏感性分析模型的预测结果选择一组最佳的样本数据集；提取最佳样本数据集中的因子的权重值，拟合各因子权重值随时间变化的动态曲线，建立动态因子回归方程；将动态因子回归方程带入泥石流敏感性分析模型，得到泥石流敏感性动态分析模型。态分析模型。态分析模型。

【技术实现步骤摘要】
一种震后暴雨泥石流敏感性动态分析方法


[0001]本专利技术涉及泥石流灾害防治
，特别涉及一种震后暴雨泥石流敏感性动态分析方法。

技术介绍

[0002]通过汶川震后汶川县内泥石流活动事件的统计分析可知，震后暴发泥石流的流域面积和高差逐渐增大，而同震滑坡面积密度和年平均降雨量逐渐减小。泥石流暴发数量整体呈减小趋势，且频率降低，说明影响震后泥石流的因子的权重发生了显著的变化。而传统的泥石流动态敏感性分析只考虑了物源因子，忽略了震后泥石流敏感性相关的其他因子，导致现有泥石流分析不能对震后多期泥石流敏感性进行有效判别。
[0003]公开号为CN110334482A的专利申请文献公开了基于物源活动强度的震后泥石流动态敏感性评价方法，记载了（1）通过分析研究区内泥石流崩滑物源体的动态变化，选取8个评价因子，包括物源活动变化量；（2）对评价因子与往年泥石流暴发事件做概率交叉分析，得到评价因子归一化标准；（3）采用灰色关联法，利用往年泥石流暴发事件为参考列，计算评价因子权重值；（4）用得到的评价模型评价当年的泥石流敏感性，对当年泥石流敏感性进行分级实现对泥石流暴发可能性的动态有效预测。该文献由于客观条件限制，对泥石流动态敏感性评价未进行其他因子的研究，得到的结果只适用于单期泥石流敏感性评价。
[0004]公开号为CN107341586A的专利申请文献公开了一种基于降雨的地质灾害发生频率的计算方法，记载了通过地理信息系统空间分析功能，提取滑坡的内部影响因子，并通过统计产品与服务解决方案软件实现逻辑回归分析过程，确定滑坡的各个内部影响因子的逻辑回归系数，计算研究区境内滑坡空间发生概率。但其内部影响因子是固定不变的，所以计算出来的滑坡概率也很固定，不能达到如今敏感性动态分析的要求。

技术实现思路

[0005]本专利技术的目的在于基于震后多年泥石流暴发事件作为样本数据集，通过重采样、共线性检测、逻辑回归和统计回归的方法，建立震后暴雨泥石流敏感性动态分析模型，提供一种震后暴雨泥石流敏感性动态分析方法，实现对震后多期暴雨泥石流的动态有效预测。
[0006]为了实现上述专利技术目的，本专利技术实施例提供了以下技术方案：一种震后暴雨泥石流敏感性动态分析方法，包括以下步骤：步骤1，收集研究区震后泥石流流域若干年的样本数据集，所述样本数据集中包含若干因子；对样本数据集进行重采样，建立多组样本数据集；步骤2，分别对各组样本数据集中的因子进行共线性检测，筛选出用于模型建立的因子，从而建立泥石流敏感性分析模型；并根据泥石流敏感性分析模型的性能评估结果选择一组最佳的样本数据集；步骤3，提取最佳样本数据集中的因子的权重值，拟合各因子权重值随时间变化的动态曲线，建立动态因子回归方程；将动态因子回归方程带入泥石流敏感性分析模型，得到
泥石流敏感性动态分析模型；步骤4，使用泥石流敏感性动态分析模型对未来的泥石流敏感性进行预测。
[0007]更进一步地，所述样本数据集中的因子包括地形类因子、物源类因子、降雨类因子；所述地形类因子包括流域面积、流域高差、沟道纵比降、沟道长度、梅尔顿强度指数；所述物源类因子包括岩性、距断层的距离、流域内同震滑坡面积密度、流域内同震滑坡平均植被归一化指数、流域内平均植被归一化指数、流域内同震滑坡植被恢复指标；所述降雨类因子包括年平均降雨量。
[0008]更进一步地，所述对样本数据集进行重采样，建立多组样本数据集的步骤，包括：将相邻年份的样本数据集进行合并，选定合并的年份数N，对每一年的样本数据集进行滚动合并。
[0009]更进一步地，所述分别对各组样本数据集中的因子进行共线性检测，筛选出用于模型建立的因子，从而建立泥石流敏感性分析模型的步骤，包括：分别对每组样本数据集中每期数据的k个因子都进行共线性检测，统计该组样本数据集的因子的方差膨胀系数值VIF，将方差膨胀系数值VIF大于设定阈值的因子删除，剩余n个因子，n≤k；采用逻辑回归法使用剩余的n个因子建立泥石流敏感性分析模型：（1）式（1）中，P表示泥石流暴发的敏感性，取值范围为[0,1]；Z为线性拟合方程，包含与泥石流暴发相关的因子集，其形式如下：（2）式（2）中，b0为截距；b
n
为偏回归系数；X
n
为因子变量。
[0010]更进一步地，所述并根据泥石流敏感性分析模型的性能评估结果选择一组最佳的样本数据集的步骤，包括：分别对每一组样本数据集构建的泥石流敏感性分析模型使用交叉验证法进行模型性能评估，根据模型性能评估结果选择出一组最佳的样本数据集；所述性能评估预测的结果包括混淆矩阵表、预测准确率、预测特征曲线下面积；所述混淆矩阵表包括四个指标：泥石流暴发预测正确率（TPR）、泥石流未暴发预测正确率（TNR）、泥石流暴发预测错误率（FNR）和泥石流未暴发预测错误率（FPR）。
[0011]更进一步地，所述将动态因子回归方程带入泥石流敏感性分析模型，得到泥石流敏感性动态分析模型的步骤，包括：若最佳样本数据集对应有n个因子，将最佳样本数据集的因子的动态因子回归方程带入式（2），得到泥石流动态线性拟合方程：（3）式（3）中，f0为常数项回归方程，f1~f
n
分别为n个因子的动态因子回归方程。
[0012]更进一步地，所述使用泥石流敏感性动态分析模型对未来的泥石流敏感性进行预
测的步骤，包括：向泥石流敏感性动态分析模型输入预测年份、预测同震滑坡的植被归一化指数、预测年平均降雨量，泥石流敏感性动态分析模型输出预测年份的泥石流敏感性。
[0013]与现有技术相比，本专利技术的有益效果：本专利技术的震后暴雨泥石流敏感性动态分析方法，通过对震后多期泥石流暴发事件，建立泥石流敏感性动态分析模型，可实现预测震后多期泥石流暴发的可能性，消除了以往分析只能分析当年的弊端，进而满足防灾减灾长期规划的需求。
附图说明
[0014]为了更清楚地说明本专利技术实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本专利技术的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。
[0015]图1为本实施例方法流程图；图2为实施例某组样本数据集的VIF值箱形图，图2中的a为所有因子的VIF值箱形图，图2中的b为删除VIF值大于设定阈值后的因子的VIF值箱形图；图3为实施例各组训练集与各组测试集交叉训练后的TPR热点分布图；图4为实施例各组训练集与各组测试集交叉训练后的TNR热点分布图；图5为实施例各组训练集与各组测试集交叉训练后的ACC热点分布图；图6为实施例各组训练集与各组测试集交叉训练后的AUC热点分布图；图7为实施例TPR、TNR、ACC、AUC箱形图，图7中的a为TPR箱形图，图7中的b为TNR箱形图，图7中的c为ACC箱形图，图7中的d为AUC箱形图；图8为实施例拟合的CS和MRN的动态曲线示意图；图9为实施例拟合的LI、LAD、LAN的动态曲线；图10为实施例拟合的RY和本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种震后暴雨泥石流敏感性动态分析方法，其特征在于：包括以下步骤：步骤1，收集研究区震后泥石流流域若干年的样本数据集，所述样本数据集中包含若干因子；对样本数据集进行重采样，建立多组样本数据集；步骤2，分别对各组样本数据集中的因子进行共线性检测，筛选出用于模型建立的因子，从而建立泥石流敏感性分析模型；并根据泥石流敏感性分析模型的性能评估结果选择一组最佳的样本数据集；步骤3，提取最佳样本数据集中的因子的权重值，拟合各因子权重值随时间变化的动态曲线，建立动态因子回归方程；将动态因子回归方程带入泥石流敏感性分析模型，得到泥石流敏感性动态分析模型；步骤4，使用泥石流敏感性动态分析模型对未来的泥石流敏感性进行预测。2.根据权利要求1所述的一种震后暴雨泥石流敏感性动态分析方法，其特征在于：所述样本数据集中的因子包括地形类因子、物源类因子、降雨类因子；所述地形类因子包括流域面积、流域高差、沟道纵比降、沟道长度、梅尔顿强度指数；所述物源类因子包括岩性、距断层的距离、流域内同震滑坡面积密度、流域内同震滑坡平均植被归一化指数、流域内平均植被归一化指数、流域内同震滑坡植被恢复指标；所述降雨类因子包括年平均降雨量。3.根据权利要求1所述的一种震后暴雨泥石流敏感性动态分析方法，其特征在于：所述对样本数据集进行重采样，建立多组样本数据集的步骤，包括：将相邻年份的样本数据集进行合并，选定合并的年份数N，对每一年的样本数据集进行滚动合并。4.根据权利要求1所述的一种震后暴雨泥石流敏感性动态分析方法，其特征在于：所述分别对各组样本数据集中的因子进行共线性检测，筛选出用于模型建立的因子，从而建立泥石流敏感性分析模型的步骤，包括：分别对每组样本数据集中每期数据的k个因子都进行共线性检测，统计该组样本数据集的因子的方差膨胀系数值VIF，将方差膨胀系数值VIF大于设定阈值...

【专利技术属性】
技术研发人员：张宪政，铁永波，龚凌枫，李光辉，
申请(专利权)人：中国地质调查局成都地质调查中心西南地质科技创新中心，
类型：发明
国别省市：