基于粒子群优化支持向量机的滑坡易发性评价与滑坡位移预测

发布时间：2020-04-12 12:28

【摘要】：滑坡不可控但可防,编制滑坡易发性区划图是应对地质灾害防患于未然的首选措施,对滑坡进行监测和预测也是成功避灾的必然选择。本文分别通过提取与整理滑坡环境因素和激发因子、以及历史滑坡编目和滑坡位移等多源空间信息,应用基于粒子群优化的支持向量机法完成了滑坡易发性评价;在此基础上进一步构建滑坡变形预报模型,实现了滑坡位移的预报,并通过验证表明具有较高的评价和预报精度。具体包括以下几个方面:(1)以三峡库区巫山段历史滑坡数据为基础,提取分析了岩性、水系、降雨量分布和坡度、坡向、坡高等基础环境因素与滑坡分布的关系,并利用滑坡密度值对各定性或定量因子进行了归一化处理。(2)由于支持向量机(SVM)在小样本、高维数及非线性等实际问题中具有良好的适应性,非常适合滑坡的易发性评价与预警。而粒子群优化算法(PSO)具有强大的全局最优搜索能力,于是提出将两者结合构建PSO-SVM混合技术用于滑坡的易发性评价之中,最终完成了三峡库区巫山段区域的滑坡易发性评价,并通过滑坡密度占比和LAR值进行了精度评定,结果显示与历史滑坡具有较好的一致性。(3)结合庙店滑坡监测点形变序列特点,依据时间序列加法模型,提出先采用二次移动平均法对滑坡总位移分解成趋势项位移和因子项位移;再分别利用多项式模型和PSO-SVR法模拟趋势项和与激发因子相关的位移量,最后将二者叠加预测监测点的位移,通过对庙店滑坡四个监测点的实测数据计算分析,结果显示具有较高的预测精度。(4)最后结合滑坡灾害监测预警系统建设的需求,进行了数据库和系统的初步设计,提出将预测与评价模型集成到滑坡监测预警系统中,并给出了算法处理流程,以期能够一体化处理滑坡灾害的区域评价和变形预测问题。
【图文】：

滑坡灾害时空演化图（许强，，2008）

论文技术路线图
【学位授予单位】：长安大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：P642.22

【参考文献】

相关期刊论文 前10条

1 高彩云;崔希民;;滑坡变形预测灰色神经网络耦合模型的构建及适用性分析[J];大地测量与地球动力学;2015年05期

2 方志华;许万忠;;基于模糊综合评判法的沟谷泥石流易发性研究[J];价值工程;2014年24期

3 武雪玲;任福;牛瑞卿;彭令;;斜坡单元支持下的滑坡易发性评价支持向量机模型[J];武汉大学学报(信息科学版);2013年12期

4 彭令;牛瑞卿;赵艳南;邓清禄;;基于核主成分分析和粒子群优化支持向量机的滑坡位移预测[J];武汉大学学报(信息科学版);2013年02期

5 许冲;徐锡伟;;基于GIS与ANN模型的地震滑坡易发性区划[J];地质科技情报;2012年03期

6 唐亚明;张茂省;薛强;毕俊擘;;滑坡监测预警国内外研究现状及评述[J];地质论评;2012年03期

7 牛瑞卿;彭令;叶润青;武雪玲;;基于粗糙集的支持向量机滑坡易发性评价[J];吉林大学学报(地球科学版);2012年02期

8 权文;王晓丹;王坚;张玉玺;;基于SVM概率输出与证据理论的多分类方法[J];计算机工程;2012年05期

9 赵衡;宋二祥;;滑坡空间预测中信息量模型的改进及应用[J];土木建筑与环境工程;2011年03期

10 许冲;戴福初;姚鑫;陈剑;涂新斌;孙瑜;王志一;;GIS支持下基于层次分析法的汶川地震区滑坡易发性评价[J];岩石力学与工程学报;2009年S2期

本文编号：2624717