针对信息量模型(information value model,IVM)在地质灾害易发性评价中未考虑各评价指标之间的权重大小和冗余属性的约简问题,本文引入粗糙集(rough set,RS)理论,提出一种基于粗糙集理论的信息量评价模型(RS-IVM)方法.通过RS理论属性重...针对信息量模型(information value model,IVM)在地质灾害易发性评价中未考虑各评价指标之间的权重大小和冗余属性的约简问题,本文引入粗糙集(rough set,RS)理论,提出一种基于粗糙集理论的信息量评价模型(RS-IVM)方法.通过RS理论属性重要度分析,约简重要度极低的冗余属性,并根据属性重要度得到有效评价指标的权重系数.在此基础上,通过加权信息量求和,使评价结果得到优化.以吉林省泥石流灾害为研究对象,选取高程、坡度、坡向、地层岩性、人口密度、地貌类型、流域、植被覆盖率和年降水量9项影响因子作为评价指标.分别用RS-IVM方法和IVM方法对吉林省泥石流灾害进行易发性评价计算,并用预测率曲线进行对比.结果表明,RS-IVM方法优于IVM方法.最后,采用自然间断点划分法将RS-IVM方法得到的易发性评价结果划分为极高易发区、高易发区、中易发区、低易发区和极低易发区5个易发性等级,其面积分别占吉林省总面积的34.87%,24.37%,10.92%,20.82%,9.02%.其中,高易发区和极高易发区主要分布于东南山区和西北局部地区,低易发区和极低易发区主要分布于中西部平原地带.展开更多
文摘针对信息量模型(information value model,IVM)在地质灾害易发性评价中未考虑各评价指标之间的权重大小和冗余属性的约简问题,本文引入粗糙集(rough set,RS)理论,提出一种基于粗糙集理论的信息量评价模型(RS-IVM)方法.通过RS理论属性重要度分析,约简重要度极低的冗余属性,并根据属性重要度得到有效评价指标的权重系数.在此基础上,通过加权信息量求和,使评价结果得到优化.以吉林省泥石流灾害为研究对象,选取高程、坡度、坡向、地层岩性、人口密度、地貌类型、流域、植被覆盖率和年降水量9项影响因子作为评价指标.分别用RS-IVM方法和IVM方法对吉林省泥石流灾害进行易发性评价计算,并用预测率曲线进行对比.结果表明,RS-IVM方法优于IVM方法.最后,采用自然间断点划分法将RS-IVM方法得到的易发性评价结果划分为极高易发区、高易发区、中易发区、低易发区和极低易发区5个易发性等级,其面积分别占吉林省总面积的34.87%,24.37%,10.92%,20.82%,9.02%.其中,高易发区和极高易发区主要分布于东南山区和西北局部地区,低易发区和极低易发区主要分布于中西部平原地带.