基于机器学习算法的泥石流易发性评估——以吉林省永吉县为例.pdfVIP

基于机器学习算法的泥石流易发性评估

——以吉林省永吉县为例

中文摘要

作为一种典型的地质灾害，泥石流在中国以及世界范围内都广泛分布。这些

泥石流的发育不仅造成巨大的经济损失，还使世界各地人民的生命受到威胁。为

此，必须采取措施应对泥石流的发生。泥石流易发性评估可以给出一定范围内泥

石流发生可能性的高低。根据泥石流易发性评估结果，政府以及人民在工程建设

以及生活中，就可以对泥石流灾害进行规避。目前，机器学习算法在多个行业都

取得了令人瞩目的成就。机器学习算法也被广泛引入到了泥石流易发性评估当

中。采用机器学习算法进行泥石流易发性评估包括以下步骤：数据预处理、模型

构建、易发性分区、模型性能评价。然而，多数学者仅仅关注于构建新的评估模

型来优化结果，而缺少对其他方面的专门研究。这就导致了在数据预处理、易发

性分区、模型性能评价中，存在很多不规范不统一的数据处理方式，这会影响最

终的泥石流易发性分区图的效果。因此，在采用机器学习算法进行泥石流易发性

评估时，为了提升易发性评估效果，本文对这一流程进行了合理的优化。优化内

容包含数据处理部分、模型建立部分、易发性分区部分、模型性能评价方面。并

以吉林省永吉县为例进行了泥石流易发性评估。具体而言，在采用机器学习进行

泥石流易发性评估时，本文进行了以下几个方面的优化：

（1）在前期数据处理时，泥石流影响因子的选取及分类至关重要。对泥石

流影响因子，不同的分类方法导致不同的分类结果，使得模型的输入数据迥然不

同。而机器学习算法是数据驱动的，输入数据的差异会导致最终结果的差异。因

此，结合拐点法以及自然间断法，本文提出了一种确定连续型影响因子最优分类

数目以及最优分类间隔的方法。相比于通过经验方法来确定最优分类数目，这是

一种定量的方法，减少了确定分类数目时的不确定性。这种方法可以很好地表现

泥石流在影响因子上分布的聚类特征。

（2）在机器学习模型的构建中，需要选择合理的评估单元以及性能良好的

模型。由于泥石流都是发生在某流域范围内的，因此本文以流域单元为评估单元。

为优化评估结果，本文选择性能良好的卷积神经网络模型作为评估模型。因此，

结合流域单元以及卷积神经网络，本文构建了新的泥石流易发性评估模型。相比

于其他模型，这种模型可以考虑流域内相邻区域之间的相互作用，可以更有效地

利用其空间信息。为了验证该模型的性能，本文将将其性能与多层前馈神经网络

的结果相对比，证明了本文构建的模型性能的优异。

（3）机器学习模型可以输出泥石流易发性指数图。对其分区即可得到泥石

流易发性分区图。依据接受者工作特征曲线，本文提出了一种泥石流易发性指数

分区方法。这种方法考虑了误分类的经济成本及社会成本。之后，本文将易发性

分区结果与泥石流灾害分布、影响因子分布做了统计分析，证明了分区的合理性。

（4）为了方便进行泥石流易发性评估，本文构建了泥石流易发性评估软件。

该软件采用python语言编写而成，以ARCGISPro软件的工具箱形式存在。该软

件可以实现数据预处理、模型构建、易发性分区、模型性能评估等内容。

关键词：

泥石流，易发性，机器学习，流域单元，卷积神经网络，因子分类，易发性

分区

Thedebrisflowsusceptibilitymappingbasedonmachinelearning

arthimetic——acasestudyofYongjiCounty,JilinProvince

Abstract

Asatypicalgeologicaldisaster,debrisflowiswidelydistributedalloverthe

world.Thedevelopmentofthesedebrisflowsnotonlycauseshugeeconomiclosses,

butalsoendangersthelivesofpeople.Therefore,peoplemusttakereasonable

measurestodealwit