基于机器学习的区域滑坡灾害预警模型研究

摘要

中国滑坡灾害严重,区域滑坡灾害预警是防灾减灾的重要手段之一,预警模型是开展区域滑坡灾害预警的关键问题.本文系统开展了基于机器学习的区域滑坡灾害预警模型研究,并以四川省青川县为例,基于近10年地质与气象数据,构建了青川县区域滑坡灾害预警模型并开展实例校验.研究得出如下结论:(1)提出了基于机器学习的区域滑坡灾害预警模型的构建方法,主要包括训练样本集构建、样本学习训练与优化建模、模型保存与预警输出等几个关键步骤.(2)提出了区域滑坡训练样本集的构建方法,即以正样本为基础,在时空约束条件下随机采样获取负样本,最终获得完整的训练样本集.(3)样本学习训练中,以训练样本集的80％作为训练集,20％作为测试集,进行5折交叉验证,采用精确度、ROC曲线和AUC值校验模型准确度和模型泛化能力.采用贝叶斯优化算法进行模型优化.(4)实际预警中,调用训练好的预警模型输出滑坡灾害可能发生的概率.依据概率大小,分级确定预警等级.分级依据为:当输出概率P≥40％且P<60％时,发布黄色预警;当输出概率P≥60％且P<80％时,发布橙色预警;当输出概率P≥80％时,发布红色预警.(5)以青川县为例,构建了青川县区域滑坡训练样本集,采用6种机器学习算法进行模型训练,结果显示随机森林算法表现最好,其准确率最高(0.963),模型无过拟合现象,模型泛化能力最好(AUC=0.986);其次为逻辑回归算法;再次为人工神经网络算法和决策树算法.选取2018年6月26日的青川县日常预警业务进行实例校验.结果显示:当日17处滑坡灾害点中,100％的灾害点全部落入预警区范围内,其中:70.6％的滑坡落在红色预警区内,17.6％的滑坡落在橙色预警区内,11.8％的滑坡落在黄色预警区内.