基于贝叶斯网络模型的泥石流灾害危险性评价方法技术

本发明专利技术实施例提供一种基于贝叶斯网络模型的泥石流灾害危险性评价方法，其特征在于，包括：确定评价单元；对所述评价单元的泥石流灾害评价参数进行处理得到所述评价单元的泥石流灾害评价指标；依据所述评价单元内泥石流灾害发生的历史数据以及所述评价指标构建训练样本集；依据所述训练集构建贝叶斯网络模型；采用所述贝叶斯网络模型对待评价区域内的泥石流灾害的危险性进行评价。该方法结合评价单元内泥石流灾害发生的历史数据以及评价指标建立贝叶斯网络模型，采用该模型对待评价区域内的泥石流灾害的危险性进行评价，极大地提高了泥石流灾害评价结果的准确度，采用该评价方法，能够对待评价区域内的泥石流灾害的危险性做出较为准确的评价。

【技术实现步骤摘要】

本专利技术属于自然灾害危险性评价
，具体涉及ー种。
技术介绍
泥石流是常见的地质次生灾害。泥石流可以在很短的时间内聚集，然后滑体很快从势能转化成动能。泥石流灾害会对人民的生命财产带来巨大的灾害，并对社会经济发展造成很大的威胁。因此区域泥石流灾害危险性评价对区域经济的健康、快速和可持续发展具有重要意义。泥石流灾害的危险性是ー个地区在一定时期内泥石流灾害活动程度的综合反映，即ー个地区在某ー时期内可能发生的某种泥石流灾害的密度、规模、频次，以及可能产生的危害范围与危害強度的综合概括。为此，需要对泥石流灾害的危险性进行评价。泥石 流灾害的危险性评价主要是根据待评价区域内的地形、地质、降雨、植被覆盖情况等參数，或采用遥感、GIS、计算机、灾害评价模型等辅助技术，确定待评价区域内发生泥石流灾害的危险性的闻低。现有的泥石流灾害的危险性评价方法主要有定性评价方法、统计分析方法以及人エ智能评价方法等。但是现有的这些泥石流灾害的危险性评价方法得到的评价结果精确度不高，无法对待评价区域内的泥石流灾害的危险性做出准确的评价。
技术实现思路
有鉴于此，本专利技术的目的在于提供一种精确度更高的泥石流灾害的危险性评价方法，以对待评价区域内的泥石流灾害的危险性做出更为准确的评价。为实现上述目的，本专利技术提供ー种，其特征在于，包括确定评价单元；对所述评价单元的泥石流灾害评价參数进行处理得到所述评价単元的泥石流灾害评价指标；依据所述评价单元内泥石流灾害发生的历史数据以及所述评价指标构建训练样本集，所述历史数据表示所述评价単元内是否发生过泥石流灾害；依据所述训练样本集构建贝叶斯网络模型；采用所述贝叶斯网络模型对待评价区域内的泥石流灾害的危险性进行评价。优选地，所述确定评价单元包括利用数字高程模型数据提取出小流域，将所述小流域确定为所述评价単元。优选地，所述对所述评价単元的泥石流灾害评价參数进行处理得到所述评价単元的泥石流灾害评价指标，包括对所述评价单元的泥石流灾害评价參数进行预处理；对经过预处理的所述泥石流灾害评价參数进行归一化、离散化和整数化处理得到所述评价単元的泥石流灾害评价指标。优选地，所述依据所述训练样本集构建贝叶斯网络模型，包括利用所述训练样本集对所述贝叶斯网络模型进行训练；以及对所述贝叶斯网络模型进行參数学习。优选地，采用所述贝叶斯网络模型对待评价区域内的泥石流灾害的危险性进行评价前,还包括判断所述贝叶斯网络模型是否满足预定要求，如果否，则执行依据所述评价单元内泥石流灾害发生的历史数据以及所述评价指标构建训练样本集的步骤。本专利技术实施例提供的泥石流灾害的危险性评价方法，结合评价单元内泥石流灾害发生的历史数据以及评价单元的泥石流灾害评价參数等构建贝叶斯网络模型，并采用该贝叶斯网络模型对待评价区域内泥石流灾害的危险性进行评价；与现有技术中的其他泥石流灾害的评价方法相比，该方法通过评价単元内泥石流灾害发生的历史数据以及评价单元的泥石流灾害评价參数的结合建立贝叶斯网络模型，采用该模型对待评价区域内的泥石流灾害的危险性进行评价，极大地提高了泥石流灾害评价结果的准确度，采用该评价方法，能够对待评价区域内的泥石流灾害的危险性做出较为准确的评价。附图说明为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本专利技术的一些实施例，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的附图。图I是本专利技术基于贝叶斯网模型的泥石流灾害危险性评价方法的流程图；图2是本专利技术实施例一基于贝叶斯网模型的泥石流灾害危险性评价方法的流程图；图3是本专利技术实施例一机器学习得到的贝叶斯网络模型的结构图；图4是本专利技术实施例一调整后的贝叶斯网络模型的结构图。具体实施例方式为使本专利技术实施例的目的、技术方案和优点更加清楚，下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。现有技术中，泥石流灾害的危险性评价方法主要有定性评价方法、统计分析方法以及人工智能评价方法等。定性评价方法又叫专家打分法，一般情况下，地貌或地质方面的专家到实地通过对当地的地形、地质、水文、降雨、植被覆盖等条件进行考察，然后根据自己的知识和以往的经验，当场给出泥石流灾害的危险程度。该方法主要根据专家自身的知识和经验，没有结合历史数据和评价单元的数据參数，评价的精确度很低。统计分析方法主要是利用统计学方法对泥石流灾害的危险性进行评价，主要有ニ元统计分析方法和多元统计分析方法。首先，收集足够多的泥石流发生的历史数据和发生 地的地形、地质、水文、降雨、植被覆盖等參数的完整数据；第二，根据收集来的数据，提取发生地的泥石流灾害发生的评价指标；第三，利用统计分析的方法和相关统计软件，建立泥石流灾害发生的危险性高低与评价指标之间的统计模型；最后，用取得的统计模型对未知的地区进行评价，得到泥石流灾害发生的危险性高低。统计分析的方法需要大量完整的数据来进行统计分析，在实际应用中获取大量完整的数据是很困难的，因此，一般情况下，采用该方法得到的泥石流灾害的危险性评价结果的准确度也较低。人工智能方法主要是利用人工智能的理论和算法对泥石流灾害危险性进行评价。首先，收集泥石流发生的历史数据和相关的地形、地质、水文、降雨、植被覆盖等数据；第二，利用遥感和GIS等技术手段和评价指标提取方法，计算出灾害危险性评价指标；第三，选择部分已知泥石流发生情况的地方，构建训练数据集；第四，采用机器学习的理论和技术，用训练数据集对人工智能模型进行训练；最后，利用训练好的模型对未知区域进行评价。通常用于泥石流灾害危险性评价的人工智能模型有人工神经网络、支持向量机、决策树等。但是，一般的人工智能评价方法有如下缺点不能同时把不同领域的知识整合到一个统ー的系统进行灾害评价；也不能解决灾害评价中的不确定性问题。因此，现有的人工智能评价方法对泥石流灾害的危险性评价结果同样不够准确。随着科技的发展，要求泥石流灾害的危险性评价结果的准取度越来越高，本申请的专利技术人通过仔细分析研究后发现，将贝叶斯网络模型应用到泥石流灾害的危险性评价领 域，并结合待评价区域内发生泥石流灾害的历史数据以及评价单元的泥石流灾害评价參数构建新的贝叶斯网络模型，采用该新的贝叶斯网络模型对泥石流的危险性进行评价，能够极大地提高泥石流灾害危险性评价结果的准确度。贝叶斯网络是ー种概率网络，它是基于概率推理的图形化网络，贝叶斯理论是这个概率网络的基础。贝叶斯网络是基于概率推理的数学模型，所谓概率推理就是通过ー些变量的信息来获取其他的概率信息的过程；贝叶斯网络用条件概率表达各个信息要素之间的相关关系，能在有限的、不完整的、不确定的信息条件下进行学习和推理。本专利技术实施例，采用评价单元内泥石流灾害发生的历史数据以及该评价単元的泥石流灾害评价指标作为信息要素，并在这些信息要素相互关系的基础上建立贝叶斯网络模型，最后采用该贝叶斯网络模型对待评价区域的泥石流灾害的危险性进行评价。本专利技术实施例提供ー本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.ー种基于贝叶斯网络模型的泥石流灾害危险性评价方法，其特征在于，包括 确定评价单元； 对所述评价单元的泥石流灾害评价參数进行处理得到所述评价単元的泥石流灾害评价指标； 依据所述评价单元内泥石流灾害发生的历史数据以及所述评价指标构建训练样本集，所述历史数据表示所述评价単元内是否发生过泥石流灾害； 依据所述训练样本集构建贝叶斯网络模型； 采用所述贝叶斯网络模型对待评价区域内的泥石流灾害的危险性进行评价。2.根据权利要求I所述的泥石流灾害的危险性评价方法，其特征在于，所述确定评价单元包括 利用数字高程模型数据提取出小流域，将所述小流域确定为所述评价単元。3.根据权利要求I所述的泥石流灾害的危险性评价方法，其特征在于，所述对所述评价单元的泥石流灾害评价參数进行处...

【专利技术属性】
技术研发人员：江东，梁万杰，庄大方，
申请(专利权)人：中国科学院地理科学与资源研究所，
类型：发明
国别省市：