基于机器学习方法的长输管线沿线区域地质灾害预测分析

来源 :西南石油大学 | 被引量 : 0次 | 上传用户:xue5559
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
长输管线是油气运输的重要载体,管线的安全运营是国民经济发展的重要保障,因此,管线的安全防护尤为重要。长输管线覆盖范围广,沿线区域地形特征较为复杂,地质灾害易发,研究长输管线沿线区域的地质灾害对长输管线的防护具有重要意义。目前,对于地质灾害的研究普遍采用权重定级的方法,该方法较大程度依赖于评定人员的专业素质,其计算结果可能存在较大的人为误差,且难以用少量地质灾害点实现对较大区域的地质灾害模拟。本文充分考虑影响地质灾害的外界环境、地质特征、人类活动等因素,以机器学习的方法,利用现有地质灾害点计算出整个长输管线沿线各区域发生地质灾害的概率。通过长输管线与地质灾害的空间位置关系,对长输管线沿线地质灾害的防护提出了建议。主要研究如下:(1)利用研究区的地质灾害数据获得地质灾害点,通过研究区的DEM数据提取出高程、坡度、坡向、曲率属性,通过研究区地理国情数据提取出河流、道路、建筑密度、植被覆盖率等属性,通过研究区地质图提取出地层和断裂带属性。经数据预处理,形成了适合地质灾害分析的数据集。(2)将长输管线沿线区域划分为74521个评价单元,通过信息量模型实现研究区地质灾害的评价。通过信息增益、信息增益率实现了评价因子重要性评判,根据评价因子的重要程度,采用人工神经网络筛选出了最佳评价因子组合。(3)基于Python实现了逻辑回归、支持向量机、人工神经网络、决策树和随机森林机器学习算法,采用ROC曲线进行了模型精度对比。在计算过程中,采用循环欠采样的方法,解决了地质灾害样本严重少于非地质灾害样本的正负样本不均衡问题,实现了以现有地质灾害点对整个长输管线沿线区域地质灾害的预测。(4)通过与信息量模型评价结果的对比,证明了机器学习方法在地质灾害模拟中的适用性。根据长输管线与地质灾害的空间位置关系,结合地质环境条件对长输管线沿线地质灾害的防护提出了建议。
其他文献
学位
学位
学位
学位
学位
学位
学位
学位
学位
学位