基于要素分析和二元统计模型的区域滑坡危险等级制图——以国道212线陇南段为例

国道212线陇南段是我国地质灾害最发育的地区之一,绘制该区的滑坡危险等级地图对灾害管理和发展规划是极其必要的。基于滑坡的野外调查、机理研究和室内试验等工作,分析了滑坡与各种要素的相关性,选择控制滑坡的9个重要要素作为评价要素,利用GIS和二元统计的信息值模型和滑坡先验风险要素模型绘制了研究区的滑坡危险等级地图。最后,选用区内11个具有明显滑动位移的活动滑坡与滑坡危险等级地图比较,检验其可靠度。结果表明,活动的滑坡绝大部分都位于危险等级很高和高的范围内,说明两种模型的评价结果与研究区实际情况相吻合,同时也反映出信息值模型与实际情况更加相符。

GIS支持下的滑坡空间预测与危险等级划分

以日本早池峰山地域为研究对象,借助航片、TM影像、数字化地图以及各种统计资料和现有专题图等主要数据,利用美国MicroImage公司开发的TNTmips地理信息系统,将数量化理论与地理信息系统紧密结合,对区域滑坡进行了空间预测和危险等级划分。提取并计算了滑坡以及包括坡度、坡向、海拔、坡面倾斜类型、降雨、植被、土壤和地质等8个滑坡影响因子,得到了滑坡及其影响因子的空间分布图。在此基础上,抽取372个样本,应用数量化理论对这些样本进行了分析,建立了区域滑坡预测模型。该模型经研究区域共1296384个样本检验,模型预测精度达80.49%。最后,以滑坡发生概率为基准,对滑坡危险等级进行了划分。

基于KPCA-SSA-GRNN的滑坡预报模型

滑坡灾害的发生受多种因素的影响,传统预报方法通常基于单一影响因素进行建模,预报精确度不高。为了提高滑坡发生概率预报精度,提出一种核主成分分析-麻雀搜索算法-广义回归神经网络(KPCA-SSA-GRNN)混合预测模型。首先,利用KPCA,筛选影响滑坡的主要致灾因子,并将其作为GRNN模型的输入;其次,为提高GRNN模型的预测效果,采用SSA算法对GRNN模型的光滑因子σ进行寻优;最后,对优化后的GRNN模型进行测试,输出滑坡灾害概率,并确定滑坡危险等级。以陕西省山阳县为研究区域,利用KPCA-SSA-GRNN模型进行预测,并将该模型预测结果与改进前的GRNN模型和传统的BP神经网络模型、RBF神经网络模型进行对比,结果表明,该模型在预报精度方面优于其他模型,对于滑坡预报提供了一定的理论参考。