基于bayes判别分析的四川省泥石流预报模型研究-控制工程专业论文.docxVIP

万方数据 万方数据 DEBRIS FLOW PREDICTION MODEL BASED ON BAYES DISCRIMINANT ANALYSIS IN SICHUAN PROVINCE A Master Thesis Submitted to University of Electronic Science and Technology of China Major: Control Engineering Author: Jingshaocai Advisor: Xuwenbo School: School of Resources and Environment 万方数据 万方数据 独 创 性 声 明 本人声明所呈交的学位论文是本人在导师指导下进行的研究工作 及取得的研究成果。据我所知，除了文中特别加以标注和致谢的地方 外，论文中不包含其他人已经发表或撰写过的研究成果，也不包含为 获得电子科技大学或其它教育机构的学位或证书而使用过的材料。与 我一同工作的同志对本研究所做的任何贡献均已在论文中作了明确的 说明并表示谢意。 签名： 日期： 年 月 日 关于论文使用授权的说明 本学位论文作者完全了解电子科技大学有关保留、使用学位论 文的规定，有权保留并向国家有关部门或机构送交论文的复印件和磁 盘，允许论文被查阅和借阅。本人授权电子科技大学可以将学位论文 的全部或部分内容编入有关数据库进行检索，可以采用影印、缩印或 扫描等复制手段保存、汇编学位论文。 （保密的学位论文在解密后应遵守此规定） 签名： 导师签名： 日期： 年 月 日 摘要 摘要 万方数据 万方数据 万方数据 万方数据 摘 要 纵览现今泥石流领域内的研究，其预测预报依然是重要的研究方向。虽然预 报的理论方法不断地发展，但数理统计仍然占有一定的地位，其中鲜少被运用到 泥石流预报中的 Bayes 判别分析方法值得研究探讨。泥石流这门学科涉及到众多 相关学科，其中水文与环境学科较为突出，而伴随遥感技术和地理信息系统技术 的发展，为其研究提供了一种可靠的工具支持。 本文首先通过考虑环境因素的空间插值优化来获取更优质的四川省逐日降 雨；其次基于降雨与环境的不同组合，建立不同区域的 Bayes 判别分析的预报模 型；最后在不同泥石流先验概率组合下建立 Bayes 判别分析与 Logistic 回归两种预 报模型，比较两者的回判预报正确率，主要的结果如下： （1）针对降雨空间插值优化，通过相关性分析以及主成分分析选取高程、坡 度及坡向作为插值的辅助信息加入到协同克里金插值过程中，并通过交叉检验与 普通克里金进行比较，得到协同克里金插值方法整体略优。 （2）根据四川省泥石流分析，选取合适的降雨和环境作为预报因子，分别对 全省和高发区域泥石流进行 Bayes 判别分析的预报建模，通过自身验证和交叉验 证得到判别正确率，结果如下：(a) 以降雨为预报因子高发区域总的判别正确率平 均比全区域高 2.75%，同时以降雨和环境为预报因子高发区域总的判别正确率平均 比全区域高 5.9%；(b) 全省区域内基于降雨和环境因子的预报模型自身验证和交 叉验证的总判别正确率相差 0.9%与基于降雨因子的预报模型两者相差 2.8%相比， 前者较为稳定，而高发区域内基于降雨和环境因子的预报模型相差 2.7%与基于降 雨的预报模型相差 1.1%相比，后者稍微稳定。 （3）考虑四川省不同泥石流先验概率组合，以上述研究为基础，选取攀枝花 与凉山彝族自治州为研究区域进行 Bayes 判别分析与 Logistic 回归预报建模及比 较，以总的回判预报正确率为主：(a) 当泥石流发生与不发生的先验概率组合依次 为（0.5，0.5）、（0.67，0.33）、（0.75，0.25）及（0.9，0.1）时，以降雨和环境因 子为预报因子，Bayes 判别分析总预报正确率分别比 Logistic 回归总的预报正确率 低 8.3%、高 3.2%、高 0%及低 0.6%；(b) 当泥石流发生与不发生的先验概率组合 依次为（0.5，0.5）、（0.67，0.33）、（0.75，0.25）及（0.9，0.1）时，以降雨因子 为预报因子，Bayes 判别分析总的预报正确率分别比 Logistic 回归总的预报正确率 I 摘要 低 0.5%、高 4.7%、高 0.5%及低 0.5%。 综合考虑以上的结果，在攀枝花和凉山彝族自治州区域内，根据实际泥石流 发生情况在不同条件组合下建立 Bayes 判别模型进行泥石流预报是一种行之有效 的途径，具有一定的实用价值。 关键字：泥石流，预报模型，先验概率，降雨与环境因子，遥感与 GIS II AB ABS