基于机器学习算法的日喀则地区泥石流易发性研究

论文摘要

中国的山区面积接近70%,地质灾害频发。泥石流是一种常见的地质灾害,是固体-液体混合物的重力驱动运动,造成的经济损失和人员伤亡十分巨大。泥石流易发性分析对于山地灾害的预警和管理具有重要的指导意义。泥石流易发性分析可以根据区域环境因子推测泥石流发生的可能性。本文选择泥石流频发的西藏日喀则地区作为研究区域,利用卫星遥感数据和泥石流事件历史资料,结合地理信息系统（Geographic Information System,GIS）和机器学习算法对泥石流易发性进行研究,并得出影响泥石流发生的主要环境因子,为日喀则地区城市建设和规划提供科学依据。首先,获取和计算影响泥石流发生的16种环境因子,并基于GIS对多源数据的属性进行统一。其中,归一化潜热指数（Normalized Difference Laten Heat Index,NDLI）首次被应用于泥石流易发性分析。根据频率比法分析环境因子与泥石流分布之间的关系,并将结果作为自组织映射（Self Organizing Maps,SOM）神经网络的输入,进行泥石流易发性分析,同时可以生成“非泥石流”单元。验证结果表明,聚类方法对泥石流易发性分析具有可行性和合理性。然后,从基于SOM的泥石流易发性图中选取“非泥石流”单元,并与泥石流单元一起作为五种机器学习方法的输入(后向传播神经网络,一维卷积神经网络,决策树,随机森林以及极限梯度提升树（Extreme Gradient Boosting,XGBoost）。本文首次将SOM和XGBoost结合,并应用于泥石流易发性研究。使用五种模型评估方法（Precision,Accuracy,Recal,F1 score以及AUC）的结果表明,SOM-XGBoost模型的测试准确率最优:XGBoost（0.953）>RF（0.943）>1D-CNN（0.939）>BPNN（0.932）>DT（0.898）,对研究区的预测结果与泥石流分布拥有较好的相关性,且预测效率较高:DT（0.7）>XGBoost（4.5）>BPNN（7.6）>1D-CNN（8）>RF（10.8）（单位:min）。最后,基于树的特征因子重要性对16种环境因子进行排序。实验结果表明,NDLI对泥石流的发生具有最为显著的影响,另外三个主要因子分别为年平均降雨量、剖面曲率以及平面曲率。

论文目录

文章来源

类型: 硕士论文

作者: 葛涛涛

导师: 张永宏,王振刚

关键词: 泥石流易发性,日喀则,地理信息系统,遥感,机器学习

来源: 南京信息工程大学

年度: 2019

分类: 基础科学,工程科技Ⅱ辑,信息科技

专业: 地质学,地质学,工业通用技术及设备,自动化技术

单位: 南京信息工程大学

基金: 国家自然科学基金国际(地区)合作与交流项目“中尼公路沿线山地灾害遥感监测与预警研究”

分类号: TP181;P642.23

DOI: 10.27248/d.cnki.gnjqc.2019.000404

总页数: 71

文件大小: 5064K

下载量: 150

相关论文文献

• [1].延边州地区泥石流灾害易发性评价[J]. 山西建筑 2019(22)
• [2].四川泥石流灾害分区及其与诱发降水关系[J]. 西南大学学报(自然科学版) 2020(01)
• [3].不同可视化方法对泥石流灾害信息认知影响对比分析[J]. 灾害学 2020(02)
• [4].记忆与认知:1969年云南盈江特大泥石流灾害研究[J]. 昆明学院学报 2020(02)
• [5].基于宽度学习模型的泥石流灾害预报[J]. 山地学报 2019(06)
• [6].泥石流灾害监测预警及自动预警方法研究[J]. 海峡科技与产业 2020(01)
• [7].环境史视野下的东川泥石流灾害研究综述[J]. 文山学院学报 2020(04)
• [8].汶川县映秀镇牛圈沟溃坝型泥石流起动临界条件初步分析[J]. 科技创新与应用 2019(20)
• [9].泥石流灾害经济损失研究综述[J]. 灾害学 2019(04)
• [10].山区泥石流特点及其防治方法探讨[J]. 化工设计通讯 2017(11)
• [11].山区泥石流治理的对策探讨[J]. 科技创新导报 2017(29)
• [12].广西泥石流灾害分布特征和形成机理分析[J]. 南方国土资源 2018(04)
• [13].近年来我国泥石流灾害时空分布规律及成因分析[J]. 地学前缘 2018(02)
• [14].拦挡工程在泥石流灾害治理中的应用[J]. 资源信息与工程 2018(05)
• [15].云南省泥石流灾害时空分布规律及典型区域孕灾特点分析[J]. 云南师范大学学报(自然科学版) 2018(06)
• [16].十年跨度中国滑坡和泥石流灾害风险评价对比分析[J]. 地球科学进展 2016(09)
• [17].区域滑坡和泥石流灾害两种危险性评价方法的比较分析[J]. 防灾减灾工程学报 2017(01)
• [18].恐怖的泥石流灾害[J]. 生命与灾害 2017(05)
• [19].论舟曲的灾害类生态文化知识及其口头表述——以“8·7”特大泥石流灾害为例[J]. 湖北民族学院学报(哲学社会科学版) 2017(04)
• [20].四川省泥石流灾害的时空分布规律和降水特征[J]. 灾害学 2017(04)
• [21].未雨绸缪应对泥石流灾害的威胁[J]. 生命与灾害 2017(08)
• [22].1951-1996年中国铁路泥石流灾害的时空特征[J]. 水土保持通报 2016(01)
• [23].北京泥石流灾害预警研究现状与技术方法探讨[J]. 城市地质 2015(S1)
• [24].白龙江流域泥石流灾害空间数据库设计与实现[J]. 安徽农业科学 2015(20)
• [25].崔鹏:“泥石流”专家第一人[J]. 一带一路报道(中英文) 2019(01)
• [26].什么是泥石流[J]. 阅读 2019(ZD)
• [27].元谋县人民政府工作报告——2017年2月25日在元谋县第十七届人民代表大会第一次会议上[J]. 楚雄彝族自治州人民政府公报 2017(02)
• [28].地震、干旱和泥石流灾害的人类学研究简述[J]. 风险灾害危机研究 2017(01)
• [29].遥感技术在泥石流灾害勘查中的应用[J]. 城市地理 2017(16)
• [30].简论泥石流灾害的预防、治理与启示[J]. 城市地理 2014(08)

标签：泥石流易发性论文;  日喀则论文;  地理信息系统论文;  遥感论文;  机器学习论文;