论文部分内容阅读
福建省位于我国东南沿海地带,地处亚热带季风气候区,春夏秋降雨明显。地势复杂、山峦众多,山丘区面积占全省面积约90%,85个县近80%分布在山区中,山丘区人口众多。受季风气候与台风影响,加之地形地势特殊,福建省山洪灾害频繁。山洪灾害不仅造成道路、桥梁、房屋等建筑物的破坏,而且对人类的生命财产安全也造成损失和威胁,严重制约福建省社会经济的快速发展。本文分析福建省山洪灾害调查评价成果数据,运用自然语言处理方法,提取山洪灾害有价值信息,构建结构化山洪灾害数据库,为研究山洪灾害发生机理研究奠定基础。选取山洪灾害评价指标,基于可变模糊识别、BP神经网络及随机森林法构建风险早期识别模型,对福建省山洪灾害风险区域进行评估,为山洪预报预警部门在防洪减灾与风险等级划分方面提供技术支撑,本文的主要研究内容如下:第一,搜集整理福建省山洪灾害资料,构建山洪灾害数据库。针对福建省山洪灾害调查数据不完整、灾害场次分布混乱以及有价值信息未被提等问题,采用自然语言处理——隐马尔科夫法提取挖掘明清灾害资料和全国山洪灾害调查评价成果中有效的数据,利用空间叠加技术完善灾害点信息,构建福建省山洪灾害数据库。实现了数据规范化、简洁化,提高了数据质量和使用效率,便于搜索与分析,更好的为山洪灾害分析评价提供服务。第二,依据山洪灾害数据库,分析福建省山洪灾害时空分布特征与成因规律。针对福建省山洪灾害频繁的问题,利用数理统计与可视化技术,从空间、时间、地形地貌、降雨量等多角度分析了1472-2019年3300个灾害点,研究山洪灾害与不同因素之间的相关性,探究福建省山洪灾害发生条件的规律性,挖掘引发山洪灾害的重要影响因子。结果表明:山洪灾害重心在600年间,由西北向东南偏移;山洪灾害密度与降雨呈正指数关系,与坡度呈负指数关系。第三,建立山洪灾害风险指标体系,构建山洪灾害风险评估模型。结合福建省山洪灾害分布特征及成因规律,选取关键性指标因子,建立指标评价体系。使用可变模糊识别、BP神经网络以及随机森林三种方法构建福建省山洪灾害风险识别模型,基于历史山洪灾害信息,分析传统模型与机器学习模型在建模方面的优劣性。结果表明:指标体系中,降雨、坡度、高程标椎差因子与早期风险识别相关度高于其余灾害因子;风险识别中,可变模糊识别准确率较低,但模型包含人为主观权重赋值,对部分高风险区域的识别优于机器学习;在训练样本较完整情况下,随机森林与BP神经网络模型准确度远高于可变模糊识别;随机森林相较于BP神经网络,模型准确度与建模流程有很大的提升。第四,结合风险早期识别模型,绘制福建省山洪灾害高风险区划图,分析山洪灾害重点预防区域。针对三种模型所识别出的灾害风险区域,根据历史山洪灾害点与实际水文信息判断区域的合理性,绘制极高风险区域分布图,为山洪灾害防御部门提供技术支撑。结果表明:极高风险区中东南沿海中部区域呈带状分布,沿海最南部与西北部呈圆形分布,西南部、中西部及北部呈不规则三角形点状分布,灾害高发区有较明显的分布规律性。