论文部分内容阅读
滑坡灾害易发性评价在人类工程活动中的作用和意义是显而易见的。以西安市滑坡灾害为研究对象,在资料收集、现场调查、实验分析的基础上,采用ArcGIS技术、MATLAB与SPSS数学分析方法开展西安市滑坡灾害易发性评价工作,得到了如下结果和结论:(1)分析了西安市地质环境条件以及滑坡灾害发育分布特征、形成条件以及影响因素,提出了研究区滑坡灾害以小型浅层土质滑坡为主,多发育于黄土丘陵区及黄土台塬区,主要控制因素有地形地貌、地层岩性、地质构造及地下水作用,主要诱发因素有降雨及人类工程活动。(2)分别采用主成分分析法与皮尔森相关性系数法分析了滑坡灾害影响因素的权重与相关性。确定了西安市滑坡灾害易发性评价因子指标包括高程、坡度、地层年代、距断层距离、降雨量、河流动能指数、地形湿度指数、归一化植被指数、土地利用类型、距道路距离共10类;分析了评价因子与滑坡灾害发生的空间分布关系,建立了西安市滑坡灾害评价因子指标体系。(3)分别采用随机森林、装袋以及提升树三种集成学习算法对西安市滑坡灾害易发性开展预测研究,结果表明:随机森林、装袋以及提升树三种模型的预测正确率分别为:90.60%、89.52%和87.60%;将研究区滑坡灾害易发性指数按照自然间断点法划分为极高、高、中、低、极低五个易发等级,绘制西安市滑坡灾害易发性评价区划图。根据区划结果统计得到:基于随机森林、装袋以及提升树算法预测所得极高-高易发区面积分别占西安市总面积的26.45%、26.60%与34.34%,滑坡数分别占总滑坡数的71.71%、69.86%与70.33%,三种模型的预测结果均符合实际情况。(4)分别采用ROC曲线以及Kappa系数对三种算法的性能进行对比与检验,结果表明:随机森林算法、提升树算法、装袋算法预测率曲线的AUC值分别为0.955、0.954、0.866,Kappa系数分别为0.816、0.790、0.752,三种集成学习算法均有较高的预测性能,其中随机森林算法较其它两种算法性能更为优越。