论文部分内容阅读
中国受特殊的自然地理环境、高强度降水的灾害性天气以及人类不合理的土地利用等多种因素的共同影响,山洪地质灾害点多面广,洪水、泥石流、滑坡等灾害频发。山洪地质灾害会对水利工程设施、道路桥梁、房屋建筑、农业生产等造成破坏,甚至造成人员伤亡,对人民生命财产造成巨大损失。加快山洪地质灾害防治是关系我国经济社会发展的一项重大紧迫任务。山洪地质灾害多发于山脉的迎风坡和暴雨中心地带的亚热带地区,是我国山洪地质灾害的重点防御区。选取广西壮族自治区钟山县作为亚热带山洪地质灾害评价预警研究对象,根据亚热带山洪地质灾害成灾特性,研究和探索亚热带山洪地质灾害的非线性特性和孕灾规律,建立科学有效的预警技术与方法。萃取非线性多场耦合孕灾机制,将RS(Remote Sensing,遥感技术)和GIS(Geographic Information System,地理信息系统技术)与人工神经网络技术相结合,探索山洪地质灾害评价与预警的新技术。现场调查并收集研究区钟山县的河流水系、气象条件、地形地貌、地质土壤等资料;统计人文经济社会信息。分析历史山洪地质灾害、山洪地质灾害易发点和隐患点特征,从降雨、地形地貌、地层岩性、水系河流、植被覆盖、人口分布、人类活动方面分析山洪地质灾害成因。以历史资料、遥感影像和实地调查为数据源,在ENVI(The Environment for Visualizing Images)、ArcGIS和MATLAB(Matrix Laboratory,矩阵实验室)平台上处理DEM(Digital Elevation Model,数字高程模型)数据、多光谱数据和气象水文等数据,全方位获取研究区的高程、坡度、植被覆盖指数、土壤松散系数、山谷山脊类别、降雨量等数据。将这些数据作为输入因子输入到人工神经网络模型中,以山洪地质灾害风险等级为输出因子,建立钟山县山洪地质灾害风险等级评价的BP(Back Propagation)人工神经网络、径向基人工神经网络和广义回归人工神经网络模型,对网络模型进行训练拟合和测试,并进行对比和分析,讨论适用于模拟山洪地质灾害的非线性多场耦合的人工神经网络模型。对于本山洪地质灾害拟合模型,径向基人工神经网络更适合风险等级的拟合,准确率和拟合时间都有优势;广义回归人工神经网络次之;BP人工神经网络准确率较低,但也超过0.87,拟合时间较慢,但也不超过1s。对于本山洪地质灾害预警模型,径向基人工神经网络,不适合用于预测,对加入的新数据适应能力较差。BP人工神经网络和广义回归人工神经网络模型适用于本研究的山洪地质灾害预警。BP人工神经网络模型准确率在86.7%左右;广义回归人工神经网络模型准确率大于90%,预测用时更短,总体效果更好。但为避免极个别情况的误差较大,两种模型可配合使用,具体复杂情况可结合其他影响条件具体分析。在通过处理DEM数据得到的高程、坡度、山谷山脊类别的数据库中,提取某预测点的高程值、坡度值和山谷山脊类别;在处理实时更新的多光谱遥感数据得到的植被覆盖指数和土壤松散系数数据库中,提取该点的植被覆盖指数和土壤松散系数。通过气象实时预报,以降雨量作为预警的可变要素,将实时或若干小时后的降雨量输入到人工神经网络模型中。将这六种影响因子在大数据训练后的山洪地质灾害人工神经网络模型中进行运算,得到山洪地质灾害风险等级,实现山洪地质灾害提早预警。