论文部分内容阅读
滑坡稳定性是指滑坡在正常工况或暴雨工况下能否保持稳定的状态。近年来国内滑坡灾害频发,在所有地质灾害中占比60%以上,对国民经济造成了难以估量的损失。正确评价滑坡的稳定性状态,是进行滑坡防治的前提。建立一个滑坡稳定性快速评价模型,对于滑坡防治具有重要的意义。本文以四川省宁南县为研究区域,对宁南县2008~2016年的滑坡数据进行处理,分析计算研究区内影响滑坡稳定性的评价因子并进行卡方检验。在此基础上使用4种机器学习方法构建滑坡稳定性评价模型并进行模型融合,将融合模型在甘洛县进行应用。最后基于上述研究设计并实现了滑坡稳定性评价系统。本文主要结论如下:(1)在滑坡稳定性评价因子中,降雨量和坡度的重要性程度最高,坡向和房屋位置的重要性程度最低。对15个评价因子进行卡方检验,降雨量和坡度的得分最高,而坡向和房屋位置在保留两位小数的情况下得分为0,在后续建模过程中剔除坡向和房屋位置这两个因子。(2)采用XGBoost、随机森林、LightGBM和逻辑回归四种算法建模进行宁南县滑坡稳定性评价,结果表明XGBoost评价模型的效果最好,评价准确率为89%,高于其他模型1%~9%,AUC值为0.87,高于其他模型0.05~0.13。使用遗传算法进行模型优化,结果表明遗传算法所需时间比网格搜索缩短了29.26秒,优化效率有较大的提升。对XGBoost、随机森林和逻辑回归进行模型融合,融合模型的评价准确率为91%,AUC值为0.88,评价效果比单一模型更好。(3)将融合模型应用于甘洛县滑坡稳定性评价,评价准确率为89%。对甘洛县的稳定性评价因子进行计算分析后使用融合模型进行评价,评价结果显示,在甘洛县的97份滑坡数据中86份评价正确,11份评价错误,与宁南县的评价准确率基本持平,表明融合模型在不同地区的滑坡稳定性评价方面表现良好。(4)滑坡稳定性评价系统运行状况良好,实现了进行滑坡稳定性评价所需功能,对已完成工作进行了良好的可视化展示。