CN115439287A - 一种基于机器学习的地质灾害危险性评价方法 - Google Patents

Abstract

本发明涉及一种基于机器学习的地质灾害危险性评价方法，包括，步骤S1，对待评价地区进行选择并获取地质灾害危险性评价因子；步骤S2，对待评价地区的各地质灾害危险性评价因子数据进行预处理；步骤S3，选择历史地质灾害点作为正样本，确定正样本的缓冲区，在缓冲区外选取负样本，构建样本集；步骤S4，选用多种算法进行建模，根据各模型性能的评价指数选取训练模型；步骤S5，对待评价地区进行预测，制定预测的成功率曲线，根据成功率曲线的斜率对待检测地区进行评价。本发明通过对正样本进行统计分析确定空间分布，保障了负样本的取样空间范围，通过多个模型多指标评价选取预测模型，提高了地质灾害危险性评价的准确性。

Description

一种基于机器学习的地质灾害危险性评价方法

技术领域

本发明涉及地质灾害评估技术领域，尤其涉及一种基于机器学习的地质灾害危险性评价方法。

背景技术

地质灾害是指在自然或者人为因素的作用下形成的，对人类生命财产造成的损失、对环境造成破坏的地质作用或地质现象,地质灾害在时间和空间上的分布变化规律，既受制于自然环境，又与人类活动有关，往往是人类与自然界相互作用的结果。

地质灾害预测是由专业人员了解并根据历史地质灾害活动规律、形成条件、发生机制以及灾害区承灾能力等因素，而采用逻辑推理、数值模拟和综合分析等方法，推测和评估未来一定时期内地质灾害的发展变化情况和可能的危险性与破坏损失程度，目前已经出现利用机器学习建模的方式对地质灾害危险性进行预测的技术，但是由于对选用模型以及基础数据的处理不当，导致预测效果不理想。

发明内容

为此，本发明提供一种基于机器学习的地质灾害危险性评价方法，用以克服现有技术中地质灾害建模预测精准度较低的问题。

为实现上述目的，本发明提供一种基于机器学习的地质灾害危险性评价方法,包括，

步骤S1，对待评价地区的地质灾害危险性评价因子进行选择并获取，选择的地质灾害危险性评价因子包括，高程、坡度、坡向、曲率、工程地质岩组、距断层距离、距河流距离、归一化植被指数、土地利用类型、距离农村居民点距离、距路网距离、降雨量；

步骤S2，对待评价地区的各地质灾害危险性评价因子数据进行预处理，获得待评价地区的高程图、坡度图、坡向图、曲率图、工程地质分区图、距断层距离图、距河网距离图、归一化植被指数指数图、土地利用类型图、距农村居民点距离图、距路网距离图以及年平均降雨量图；

步骤S3，选择待评价地区历史数据中各地质灾害点作为正样本，确定样本空间尺度，对正样本的空间分布特征进行统计分析，选取缓冲半径并确定缓冲区，在缓冲区外随机选取若干点作为负样本，以负样本与正样本构建样本集，以各地质灾害危险性评价因子数据作为特征构建样本特征矩阵，对待评价地区进行栅格划分并确定栅格数，根据栅格数与构建的样本特征矩阵数确定待判别的数据量个数；

步骤S4，将样本集划分为训练集与测试集，选用随机森林、逻辑回归、支持向量机、朴素贝叶斯、梯度提升树五种算法进行建模，以训练集中的样本训练模型，以测试集中的样本评价模型的性能，根据上述五种算法建立各模型性能的评价指数选取预测模型，并对训练好的预测模型的特征进行重要性的排序；

步骤S5，以训练好的预测模型对待评价地区划分的各栅格进行预测，以概率的形式获得预测结果，将预测概率进行分区，以预测的面积为横坐标、以预测的成功率为纵坐标，绘制成功率曲线，根据成功率曲线的斜率进行划分，将预测结果分为，极高危险区、高危险区、中危险区、低危险区，完成评价。

进一步地，在所述步骤S2中，将地质灾害危险性评价因子中的高程、坡度、坡向以及曲率由DEM数据处理得到高程图、坡度图、坡向图和曲率图；将待评价地区的工程地质岩组图进行矢量化获得各类工程地质岩组展布范围，形成工程地质分区图；将待评价地区基础地质图件进行矢量化，对断层的影响进行定量表征形成距断层距离图；将待评价地区河网展布进行矢量化，对河网的影响进行定量表征形成距河网距离图；对待评价地区的MODIS遥感影像进行处理，得到归一化植被指数图，以此定量表征植被的覆盖程度；对待评价土地利用类型图进行属性提取，得到农村居民点图斑，并以此制作距农村居民点距离图；将待评价地区路网布展图进行矢量化，根据定量表征路网与地质灾害点之间的距离绘制距路网距离图；获取待评价地区在多个气象站点的年降雨量数据，通过插值分析得到待评价地区的年平均降雨量图。

进一步地，在所述步骤S3中，将各正样本点进行标记，标记为a1、a2、a3、a4…an，其中，n为正样本数，统计计算任意两正样本点ai至ar之间的距离Lx，其中，i＝1、2、3…n，r＝1、2、3…n，i≠r，再计算ai与ar在距离Lx的各正样本点占总正样本数的百分比，根据两正样本点距离与正样本百分比绘制相邻地灾点距离概率累计曲线。

进一步地，在设定相邻地灾点距离概率累计曲线后，确定任意两正样本点之间的最大距离Lz，根据最大距离Lz对概率累计曲线进行分段，第一段的距离区间为0～Lz×(1/10)、第二段的距离区间为Lz×(1/10)～Lz×(2/10)、第三段的距离区间为Lz×(2/10)～Lz×(3/10)…第十段的距离区间为Lz×(9/10)～Lz，并计算各分段内的累计概率K1、K2、K3…K10，根据各分段内累计概率确定缓冲半径选取的区间。

进一步地，在计算完各分段内的累计概率后，设定概率变化最大比例Qz，计算第二段与第一段的累计概率比例Q1，Q1＝K2/K1，计算第三段与第二段的累计概率比例Q2，Q1＝K3/K2，直至计算完成第十段与第九段的累计概率比例Q9，Q1＝K10/K9，再将计算出的各累计概率比例Qf与概率变化最大比例Qz进行对比，其中，f＝1、2、3…9，

当Qf＞Qz时，判定第f+1段不符合缓冲半径选取区间；

当Qf≤Qz时，判定第f+1段符合缓冲半径选取区间，将根据各符合缓冲半径选取区间的分段进行确定。

进一步地，在将各累计概率比例与概率变化最大比例进行判定后，确定符合缓冲半径选取区间的分段段数X,并对符合缓冲半径选取区间的分段段数X进行判定，

当X＝0时，判定在第二段至第十段中无符合缓冲半径选取的区间，将第一段做为缓冲半径选取区间；

当1≤X＜9时，判定有多个分段区间符合缓冲半径选取的区间，将确定各符合符合缓冲半径选取区间中距离最大的区间作为缓冲半径选取区间；

当X＝9时，判定第二段至第十段中均符合缓冲半径选取的区间，直接将缓冲半径选取为Lz。

进一步地，在确定完成缓冲半径选取区间的分段后，在设定缓冲区选取的累计最大概率Ka，将选取的分段内各距离对应的累计概率Ks与累计最大概率Ka进行对比，当选取的分段内存在Ks＝Ka的点时，将Ks对应的距离作为选定的缓冲半径；当选取的分段内不存在Ks＝Ka的点，并且分段内各距离对应的累计概率Ks均小于累计最大概率Ka时，选取该分段内的距离最大值作为选定的缓冲半径；当选取的分段内不存在Ks＝Ka的点，并且分段内各距离对应的累计概率Ks均da于累计最大概率Ka时，选取该分段内的距离最小值作为选定的缓冲半径。

进一步地，在所述步骤S3中，在对各地质灾害危险性评价因子数据作为特征构建样本特征矩阵时，地质灾害危险性评价因子数据中的工程地质岩组与土地利用类型两类特征为名义变量，利用OneHot编码对工程地质岩组与土地利用类型两类特征进行重新编译，其中土地利用类型编码为18维稀疏矩阵，工程地质岩组编码为8维稀疏矩阵。

进一步地，在所述步骤S4中，随机选取样本集中70％的样本作为训练集，30％的样本作为测试集，分别选用随机森林、逻辑回归、支持向量机、朴素贝叶斯、梯度提升树五种算法进行建模，并通过AUC、准确率、F1值、精确度、召回率五类评价指标分别对上述五种算法建立的各模型进行评价得到评价指数，以AUC指标为第一评价指标，选取AUC值最高的模型作为预测模型，若在各模型中存在两个及以上的模型AUC值相等，且该AUC值为最高值时，选取准确率值最高的模型作为预测模型，若在各AUC值相等的模型中，存在两个及以上的模型准确率值相等，且该准确率值为最高值时，选取F1值最高的模型作为预测模型，以此类推，上述五类评价指标的评定顺序为AUC、准确率、F1值、精确度、召回率，在选取完成预测模型后，对各地质灾害危险性评价因子的重要度进行排序，重要度又高至低分别为降雨量、距离农村居民点距离、土地利用类型、高程、工程地质岩组、距路网距离、归一化植被指数、距断层距离、坡度、曲率、距河流距离、坡向。

进一步地，在所述步骤S5中，通过预测模型对待评价地区划分的各栅格进行预测，得到待评价地区的地质灾害危险性概率图；将所占面积累计比例作为横坐标、预测成功率累计比例作为纵坐标，制定成功率曲线，设定预设第一斜率K1、预设第二斜率K2、预设第三斜率K3，其中，K1＞K2＞K3，并计算成功率曲线的任意点斜率K，将成功率曲线的任意点斜率K与预设第一斜率K1、预设第二斜率K2、预设第三斜率K3进行对比，

当K≥K1时，将成功率曲线对应部分划分为极高危险区；

当K1＞K≥K2时，将成功率曲线对应部分划分为高危险区；

当K2＞K≥K3时，将成功率曲线对应部分划分为中危险区；

当K＜K3时，将成功率曲线对应部分划分为低危险区；

在对待评价地区全部完成划分后，形成待评价地区的地质灾害危险性分区图，完成评价。

与现有技术相比，本发明的有益效果在于，通过获取待评价地区的多种类的地质灾害危险性评价因子，并对各地质灾害危险性评价因子数据进行预处理，获得待评价地区各类数据图像作为基础数据，再根据待评价地区历史数据中各地质灾害点作为正样本，根据正样本的空间分布特征进行统计分析，选取适当的缓冲半径，保障了在缓冲区外选取的负样本的取样空间范围，在不影响正样本的代表性的同时，最大程度的提高负样本的代表性，同时采用多种算法进行构建模型，并根据多种评价指标对多个模型进行评价，选择评价综合指数最高的模型作为预测模型，提高了预测模型的精准度，同时绘制成功率曲线，根据成功率曲线将预测结果分为极高危险区、高危险区、中危险区以及低危险区，使预测的待评价地区的地质灾害危险性在高精准度的基础上更直观的展现预测结果，提高地质灾害危险性评价的准确性和精确性。

进一步地，通过DEM数据处理获得高程图、坡度图、坡向图和曲率图，通过进行距离分析获得距断层距离图、距河网距离图、距农村居民点距离图、距路网距离图，对各地质灾害危险性评价因子进行分别处理，保障了各地质灾害危险性评价因子的数据准确性，从而确保了对地质灾害危险性预测的准确性。

进一步地，对选择的待评价地区历史数据中各地质灾害点作为正样本，对各正样本点进行标记，并计算各正样本点内任意两正样本点的相对距离，根据计算得出的相对距离进行样本点的占百分比计算，并设定相邻地灾点距离概率累计曲线，通过曲线体现带评价地区内的各地质灾害点的空间分布，提高待评价地区的地质灾害危险性的准确率。

进一步地，在设定相邻地灾点距离概率累计曲线，通过曲线体现带评价地区内的各地质灾害点的空间分布，确定各样本点之间的最大相对距离，并通过对最大相对距离进行切分使对相邻地灾点距离概率累计曲线进行分段，依据各分段内的分段累计概率确定缓冲半径选取的区间，保障了缓冲半径选取能够根据待评价地区的地质灾害点的空间分布情况变化而调整，进一步提高了预测基础数据的准确性。

进一步地，通过设定概率变化最大比例，对概率累计曲线的各分段进行筛选，通过利用前一段的累计概率与当前段的累计概率进行比例运行，具体的体现当前段的概率累计变化情况，保障符合缓冲半径选取区间的精度，同时也使地质灾害危险性预测的正常完成。

进一步地，在对符合缓冲半径选取区间的分段段数进行判定时，当判定的累计概率曲线各分段均符合缓冲半径选取区间标准时，表示待评价地区内各地质灾害点较为集中，选取最大相对距离作为缓冲半径，进一步突出了正样本中各地质灾害点的特征代表性，保障了预测结果的客观性。

进一步地，在对缓冲半径选取区间的分段确定后，通过设定缓冲区选取的累计最大概率，在选取区间的分段内确定缓冲半径，保障了选取的缓冲半径合理性，保障了在缓冲半径外选取的负样本点的选取空间，通过保障负样本点的选取范围减小对负样本特征代表性的影响。

进一步地，在构建的特征矩阵中，工程地质岩组与土地利用类型两类特征为名义变量，即数值只是代表了其类别的不同，而没有数量上的大小关系，因此要进行特征工程，将其转换为名义变量，利用OneHot编码对上述两类特征进行重新编译，考虑到预测模型的通用性，未对数据进行进一步的标准化或归一化等处理，通过使用SMOTE在负样本数量远大于正样本的数量时，保证正负样本数量的均衡。

进一步地，分别选用随机森林、逻辑回归、支持向量机、朴素贝叶斯、梯度提升树五种算法进行建模，并根据AUC、准确度、精确度、召回率、F1值五类指标分别对各模型进行评价得到评价指数，选择评价综合指数最高的模型作为预测模型，提高了预测模型的精准度。

进一步地，将所占面积累计比例作为横坐标、预测成功率累计比例作为纵坐标，制定成功率曲线，能够直观体现待检测地区的各位置地质灾害危险性，同时通过设定预设第一斜率、预设第二斜率、预设第三斜率，将待评价地区的地质灾害危险性分为极高危险区、高危险区、中危险区以及低危险区，使预测的待评价地区的地质灾害危险性在高精准度的基础上更直观的展现预测结果，提高地质灾害危险性评价的准确性。

附图说明

图1为本发明所述基于机器学习的地质灾害危险性评价方法的流程图；

图2为本实施例中勉略宁地区的高程图；

图3为本实施例中勉略宁地区的坡度图；

图4为本实施例中勉略宁地区的曲率图；

图5为本实施例中勉略宁地区的坡向图；

图6为本实施例中勉略宁地区的工程地质分区图；

图7为本实施例中勉略宁地区的距断层距离图；

图8为本实施例中勉略宁地区的距河网距离图；

图9为本实施例中勉略宁地区的归一化植被指数指数图；

图10为本实施例中勉略宁地区的土地利用类型图；

图11为本实施例中勉略宁地区的距农村居民点距离图；

图12为本实施例中勉略宁地区的距路网距离图；

图13为本实施例中勉略宁地区的年平均降雨量图；

图14为本实施例中勉略宁地区的相邻地灾点距离概率累计曲线图；

图15为本实施例中勉略宁地区的负样本分布图；

图16为本实施例中勉略宁地区的各预测模型的各评价指数图；

图17为本实施例中勉略宁地区的各预测模型的AUC评价指数图；

图18为本实施例中勉略宁地区的地质灾害危险性概率图；

图19为本实施例中勉略宁地区的地质灾害危险性分区图。

具体实施方式

为了使本发明的目的和优点更加清楚明白，下面结合实施例对本发明作进一步描述；应当理解，此处所描述的具体实施例仅仅用于解释本发明，并不用于限定本发明。

下面参照附图来描述本发明的优选实施方式。本领域技术人员应当理解的是，这些实施方式仅仅用于解释本发明的技术原理，并非在限制本发明的保护范围。

需要说明的是，在本发明的描述中，术语“上”、“下”、“左”、“右”、“内”、“外”等指示的方向或位置关系的术语是基于附图所示的方向或位置关系，这仅仅是为了便于描述，而不是指示或暗示所述装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。

此外，还需要说明的是，在本发明的描述中，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域技术人员而言，可根据具体情况理解上述术语在本发明中的具体含义。

请参阅图1所示，其为本发明所述基于机器学习的地质灾害危险性评价方法的流程图，本发明公布一种基于机器学习的地质灾害危险性评价方法，包括，

步骤S1，对待评价地区的地质灾害危险性评价因子进行选择并获取，选择的地质灾害危险性评价因子包括，高程、坡度、坡向、曲率、工程地质岩组、距断层距离、距河流距离、归一化植被指数、土地利用类型、距离农村居民点距离、距路网距离、降雨量；

步骤S2，对待评价地区的各地质灾害危险性评价因子数据进行预处理，获得待评价地区的高程图、坡度图、坡向图、曲率图、工程地质分区图、距断层距离图、距河网距离图、归一化植被指数指数图、土地利用类型图、距农村居民点距离图、距路网距离图以及年平均降雨量图；

步骤S3，选择待评价地区历史数据中各地质灾害点作为正样本，确定样本空间尺度，对正样本的空间分布特征进行统计分析，选取缓冲半径并确定缓冲区，在缓冲区外随机选取若干点作为负样本，以负样本与正样本构建样本集，以各地质灾害危险性评价因子数据作为特征构建样本特征矩阵，对待评价地区进行栅格划分并确定栅格数，根据栅格数与构建的样本特征矩阵数确定待判别的数据量个数；

步骤S4，将样本集划分为训练集与测试集，选用随机森林、逻辑回归、支持向量机、朴素贝叶斯、梯度提升树五种算法进行建模，以训练集中的样本训练模型，以测试集中的样本评价模型的性能，根据上述五种算法建立各模型性能的评价指数选取预测模型，并对训练好的预测模型的特征进行重要性的排序；

步骤S5，以训练好的预测模型对待评价地区划分的各栅格进行预测，以概率的形式获得预测结果，将预测概率进行分区，以预测的面积为横坐标、以预测的成功率为纵坐标，绘制成功率曲线，根据成功率曲线的斜率进行划分，将预测结果分为，极高危险区、高危险区、中危险区、低危险区，完成评价。

通过获取待评价地区的多种类的地质灾害危险性评价因子，并对各地质灾害危险性评价因子数据进行预处理，获得待评价地区各类数据图像作为基础数据，再根据待评价地区历史数据中各地质灾害点作为正样本，根据正样本的空间分布特征进行统计分析，选取适当的缓冲半径，保障了在缓冲区外选取的负样本的取样空间范围，在不影响正样本的代表性的同时，最大程度的提高正样负的代表性，同时采用多种算法进行构建模型，并根据多种评价指标对多个模型进行评价，选择评价综合指数最高的模型作为预测模型，提高了预测模型的精准度，同时制定成功率曲线，根据成功率曲线将预测结果分为极高危险区、高危险区、中危险区以及低危险区，使预测的待评价地区的地质灾害危险性在高精准度的基础上更直观的展现预测结果，提高地质灾害危险性评价的准确性。

在本实施例中，待评价地区为勉略宁地区，

请参阅图2至图13所示，其中，图2为本实施例中勉略宁地区的高程图；

图3为本实施例中勉略宁地区的坡度图；图4为本实施例中勉略宁地区的曲率图；

图5为本实施例中勉略宁地区的坡向图；图6为本实施例中勉略宁地区的工程地质分区图；图7为本实施例中勉略宁地区的距断层距离图；图8为本实施例中勉略宁地区的距河网距离图；图9为本实施例中勉略宁地区的归一化植被指数指数图；图10为本实施例中勉略宁地区的土地利用类型图；图11为本实施例中勉略宁地区的距农村居民点距离图；图12为本实施例中勉略宁地区的距路网距离图；

图13为本实施例中勉略宁地区的年平均降雨量图；

具体而言，在所述步骤S2中，将地质灾害危险性评价因子中的高程、坡度、坡向以及曲率由DEM数据处理得到高程图、坡度图、坡向图和曲率图；将待评价地区的工程地质岩组图进行矢量化获得各类工程地质岩组展布范围，形成工程地质分区图；将待评价地区基础地质图件进行矢量化，对断层的影响进行定量表征形成距断层距离图；将待评价地区河网展布进行矢量化，对河网的影响进行定量表征形成距河网距离图；对待评价地区的MODIS遥感影像进行处理，得到归一化植被指数图，以此定量表征植被的覆盖程度；对待评价土地利用类型图进行属性提取，得到农村居民点图斑，并以此制作距农村居民点距离图；将待评价地区路网布展图进行矢量化，根据定量表征路网与地质灾害点之间的距离绘制距路网距离图；获取待评价地区在多个气象站点的年降雨量数据，通过插值分析得到待评价地区的年平均降雨量图。

通过DEM数据处理获得高程图、坡度图、坡向图和曲率图，通过进行距离分析获得距断层距离图、距河网距离图、距农村居民点距离图、距路网距离图，对各地质灾害危险性评价因子进行分别处理，保障了各地质灾害危险性评价因子的数据准确性，从而确保了对地质灾害危险性预测的准确性。

请继续参阅图14所示，其为本发明所述的相邻地灾点距离概率累计曲线图，

在本实施例中，选取的正样本数为223，任意两相邻地灾点之间的最大距离为9917.17m，为方便计算，令Lx＝10000m，

具体而言，在所述步骤S3中，将各正样本点进行标记，标记为a1、a2、a3、a4…an，其中，n为正样本数，统计计算任意两正样本点ai至ar之间的距离Lx，其中，i＝1、2、3…n，r＝1、2、3…n，i≠r，再计算ai与ar在距离Lx的各正样本点占总正样本数的百分比，根据两正样本点距离与正样本百分比绘制相邻地灾点距离概率累计曲线。

对选择的勉略宁地区历史数据中各地质灾害点作为正样本，对各正样本点进行标记，并计算各正样本点内任意两正样本点的相对距离，根据计算得出的相对距离进行样本点的占百分比计算，并设定相邻地灾点距离概率累计曲线，通过曲线体现带评价地区内的各地质灾害点的空间分布，提高勉略宁地区的地质灾害危险性的准确率。

在本实例中选定的缓冲半径为5000m，缓冲区内有94％的概率会存在邻近的地灾点。

具体而言，在设定相邻地灾点距离概率累计曲线后，确定任意两正样本点之间的最大距离Lz，根据最大距离Lz对概率累计曲线进行分段，第一段的距离区间为0～Lz×(1/10)、第二段的距离区间为Lz×(1/10)～Lz×(2/10)、第三段的距离区间为Lz×(2/10)～Lz×(3/10)…第十段的距离区间为Lz×(9/10)～Lz，并计算各分段内的累计概率K1、K2、K3…K10，根据各分段内累计概率确定缓冲半径选取的区间。

在设定相邻地灾点距离概率累计曲线，通过曲线体现带评价地区内的各地质灾害点的空间分布，确定各样本点之间的最大相对距离，并通过对最大相对距离进行切分使对相邻地灾点距离概率累计曲线进行分段，依据各分段内的分段累计概率确定缓冲半径选取的区间，保障了缓冲半径选取能够根据勉略宁地区的地质灾害点的空间分布情况变化而调整，进一步提高了预测基础数据的准确性。

具体而言，在计算完各分段内的累计概率后，设定概率变化最大比例Qz，计算第二段与第一段的累计概率比例Q1，Q1＝K2/K1，计算第三段与第二段的累计概率比例Q2，Q1＝K3/K2，直至计算完成第十段与第九段的累计概率比例Q9，Q1＝K10/K9，再将计算出的各累计概率比例Qf与概率变化最大比例Qz进行对比，其中，f＝1、2、3…9，

当Qf＞Qz时，判定第f+1段不符合缓冲半径选取区间；

当Qf≤Qz时，判定第f+1段符合缓冲半径选取区间，将根据各符合缓冲半径选取区间的分段进行确定。

通过设定概率变化最大比例，对概率累计曲线的各分段进行筛选，通过利用前一段的累计概率与当前段的累计概率进行比例运行，具体的体现当前段的概率累计变化情况，保障符合缓冲半径选取区间的精度，同时也使地质灾害危险性预测的正常完成。

具体而言，在将各累计概率比例与概率变化最大比例进行判定后，确定符合缓冲半径选取区间的分段段数X,并对符合缓冲半径选取区间的分段段数X进行判定，

当X＝0时，判定在第二段至第十段中无符合缓冲半径选取的区间，将第一段做为缓冲半径选取区间；

当1≤X＜9时，判定有多个分段区间符合缓冲半径选取的区间，将确定各符合符合缓冲半径选取区间中距离最大的区间作为缓冲半径选取区间；

当X＝9时，判定第二段至第十段中均符合缓冲半径选取的区间，直接将缓冲半径选取为Lz。

在对符合缓冲半径选取区间的分段段数进行判定时，当判定的累计概率曲线各分段均符合缓冲半径选取区间标准时，表示勉略宁地区内各地质灾害点较为集中，选取最大相对距离作为缓冲半径，进一步突出了正样本中各地质灾害点的特征代表性，保障了预测结果的客观性。

具体而言，在确定完成缓冲半径选取区间的分段后，在设定缓冲区选取的累计最大概率Ka，将选取的分段内各距离对应的累计概率Ks与累计最大概率Ka进行对比，当选取的分段内存在Ks＝Ka的点时，将Ks对应的距离作为选定的缓冲半径；当选取的分段内不存在Ks＝Ka的点，并且分段内各距离对应的累计概率Ks均小于累计最大概率Ka时，选取该分段内的距离最大值作为选定的缓冲半径；当选取的分段内不存在Ks＝Ka的点，并且分段内各距离对应的累计概率Ks均da于累计最大概率Ka时，选取该分段内的距离最小值作为选定的缓冲半径。

在对缓冲半径选取区间的分段确定后，通过设定缓冲区选取的累计最大概率，在选取区间的分段内确定缓冲半径，保障了选取的缓冲半径合理性，保障了在缓冲半径外选取的负样本点的选取空间，通过保障负样本点的选取范围减小对负样本特征代表性的影响。

具体而言，在所述步骤S3中，在对各地质灾害危险性评价因子数据作为特征构建样本特征矩阵时，地质灾害危险性评价因子数据中的工程地质岩组与土地利用类型两类特征为名义变量，利用OneHot编码对工程地质岩组与土地利用类型两类特征进行重新编译，其中土地利用类型编码为18维稀疏矩阵，工程地质岩组编码为8维稀疏矩阵。

在构建的特征矩阵中，工程地质岩组与土地利用类型两类特征为名义变量，即数值只是代表了其类别的不同，而没有数量上的大小关系，因此要进行特征工程，将其转换为名义变量，利用OneHot编码对上述两类特征进行重新编译，考虑到预测模型的通用性，未对数据进行进一步的标准化或归一化等处理，通过使用SMOTE在负样本数量远大于正样本的数量时，保证正负样本数量的均衡。

请继续参阅图16与图17所示，其中，图16为本实施例中勉略宁地区的各预测模型的各评价指数图；图17为本实施例中勉略宁地区的各预测模型的AUC评价指数图；

在本实施例中，选取随机森林RF作为预测模型，

具体而言，在所述步骤S4中，随机选取样本集中70％的样本作为训练集，30％的样本作为测试集，分别选用随机森林、逻辑回归、支持向量机、朴素贝叶斯、梯度提升树五种算法进行建模，并通过AUC、准确率、F1值、精确度、召回率五类评价指标分别对上述五种算法建立的各模型进行评价得到评价指数，以AUC指标为第一评价指标，选取AUC值最高的模型作为预测模型，若在各模型中存在两个及以上的模型AUC值相等，且该AUC值为最高值时，选取准确率值最高的模型作为预测模型，若在各AUC值相等的模型中，存在两个及以上的模型准确率值相等，且该准确率值为最高值时，选取F1值最高的模型作为预测模型，以此类推，上述五类评价指标的评定顺序为AUC、准确率、F1值、精确度、召回率，在选取完成预测模型后，对各地质灾害危险性评价因子的重要度进行排序，重要度又高至低分别为降雨量、距离农村居民点距离、土地利用类型、高程、工程地质岩组、距路网距离、归一化植被指数、距断层距离、坡度、曲率、距河流距离、坡向。

分别选用随机森林、逻辑回归、支持向量机、朴素贝叶斯、梯度提升树五种算法进行建模，并根据AUC、准确度、精确度、召回率、F1值五类指标分别对各模型进行评价得到评价指数，选择评价综合指数最高的模型作为预测模型，提高了预测模型的精准度。

请继续参阅图18与图19所示，其中，图18为本实施例中勉略宁地区的地质灾害危险性概率图；图19为本实施例中勉略宁地区的地质灾害危险性分区图。

本实施例中，预设第一斜率为20，预设第二斜率为10，预设第三斜率为3，

具体而言，在所述步骤S5中，通过预测模型对待评价地区划分的各栅格进行预测，得到待评价地区的地质灾害危险性概率图；将所占面积累计比例作为横坐标、预测成功率累计比例作为纵坐标，制定成功率曲线，设定预设第一斜率K1、预设第二斜率K2、预设第三斜率K3，其中，K1＞K2＞K3，并计算成功率曲线的任意点斜率K，将成功率曲线的任意点斜率K与预设第一斜率K1、预设第二斜率K2、预设第三斜率K3进行对比，

当K≥K1时，将成功率曲线对应部分划分为极高危险区；

当K1＞K≥K2时，将成功率曲线对应部分划分为高危险区；

当K2＞K≥K3时，将成功率曲线对应部分划分为中危险区；

当K＜K3时，将成功率曲线对应部分划分为低危险区；

在对待评价地区全部完成划分后，形成待评价地区的地质灾害危险性分区图，完成评价。

Claims (10)

1.一种基于机器学习的地质灾害危险性评价方法,其特征在于，包括，

步骤S1，对待评价地区的地质灾害危险性评价因子进行选择并获取，选择的地质灾害危险性评价因子包括，高程、坡度、坡向、曲率、工程地质岩组、距断层距离、距河流距离、归一化植被指数、土地利用类型、距离农村居民点距离、距路网距离、降雨量；

步骤S2，对待评价地区的各地质灾害危险性评价因子数据进行预处理，获得待评价地区的高程图、坡度图、坡向图、曲率图、工程地质分区图、距断层距离图、距河网距离图、归一化植被指数指数图、土地利用类型图、距农村居民点距离图、距路网距离图以及年平均降雨量图；

步骤S3，选择待评价地区历史数据中各地质灾害点作为正样本，确定样本空间尺度，对正样本的空间分布特征进行统计分析，选取缓冲半径并确定缓冲区，在缓冲区外随机选取若干点作为负样本，以负样本与正样本构建样本集，以各地质灾害危险性评价因子数据作为特征构建样本特征矩阵，对待评价地区进行栅格划分并确定栅格数，根据栅格数与构建的样本特征矩阵数确定待判别的数据量个数；

步骤S4，将样本集划分为训练集与测试集，选用随机森林、逻辑回归、支持向量机、朴素贝叶斯、梯度提升树五种算法进行建模，以训练集中的样本训练模型，以测试集中的样本评价模型的性能，根据上述五种算法建立各模型性能的评价指数选取预测模型，并对训练好的预测模型的特征进行重要性的排序；

步骤S5，以训练好的预测模型对待评价地区划分的各栅格进行预测，以概率的形式获得预测结果，将预测概率进行分区，以预测的面积为横坐标、以预测的成功率为纵坐标，绘制成功率曲线，根据成功率曲线的斜率进行划分，将预测结果分为，极高危险区、高危险区、中危险区、低危险区，完成评价。

2.根据权利要求1所述的基于机器学习的地质灾害危险性评价方法,其特征在于，在所述步骤S2中，将地质灾害危险性评价因子中的高程、坡度、坡向以及曲率由DEM数据处理得到高程图、坡度图、坡向图和曲率图；将待评价地区的工程地质岩组图进行矢量化获得各类工程地质岩组展布范围，形成工程地质分区图；将待评价地区基础地质图件进行矢量化，对断层的影响进行定量表征形成距断层距离图；将待评价地区河网展布进行矢量化，对河网的影响进行定量表征形成距河网距离图；对待评价地区的MODIS遥感影像进行处理，得到归一化植被指数图，以此定量表征植被的覆盖程度；对待评价土地利用类型图进行属性提取，得到农村居民点图斑，并以此制作距农村居民点距离图；将待评价地区路网布展图进行矢量化，根据定量表征路网与地质灾害点之间的距离绘制距路网距离图；获取待评价地区在多个气象站点的年降雨量数据，通过插值分析得到待评价地区的年平均降雨量图。

3.根据权利要求1所述的基于机器学习的地质灾害危险性评价方法,其特征在于，在所述步骤S3中，将各正样本点进行标记，标记为a1、a2、a3、a4…an，其中，n为正样本数，统计计算任意两正样本点ai至ar之间的距离Lx，其中，i＝1、2、3…n，r＝1、2、3…n，i≠r，再计算ai与ar在距离Lx的各正样本点占总正样本数的百分比，根据两正样本点距离与正样本百分比绘制相邻地灾点距离概率累计曲线。

4.根据权利要求3所述的基于机器学习的地质灾害危险性评价方法,其特征在于，在设定相邻地灾点距离概率累计曲线后，确定任意两正样本点之间的最大距离Lz，根据最大距离Lz对概率累计曲线进行分段，第一段的距离区间为0～Lz×(1/10)、第二段的距离区间为Lz×(1/10)～Lz×(2/10)、第三段的距离区间为Lz×(2/10)～Lz×(3/10)…第十段的距离区间为Lz×(9/10)～Lz，并计算各分段内的累计概率K1、K2、K3…K10，根据各分段内累计概率确定缓冲半径选取的区间。

5.根据权利要求4所述的基于机器学习的地质灾害危险性评价方法,其特征在于，在计算完各分段内的累计概率后，设定概率变化最大比例Qz，计算第二段与第一段的累计概率比例Q1，Q1＝K2/K1，计算第三段与第二段的累计概率比例Q2，Q1＝K3/K2，直至计算完成第十段与第九段的累计概率比例Q9，Q1＝K10/K9，再将计算出的各累计概率比例Qf与概率变化最大比例Qz进行对比，其中，f＝1、2、3…9，

当Qf＞Qz时，判定第f+1段不符合缓冲半径选取区间；

当Qf≤Qz时，判定第f+1段符合缓冲半径选取区间，将根据各符合缓冲半径选取区间的分段进行确定。

6.根据权利要求5所述的基于机器学习的地质灾害危险性评价方法,其特征在于，在将各累计概率比例与概率变化最大比例进行判定后，确定符合缓冲半径选取区间的分段段数X,并对符合缓冲半径选取区间的分段段数X进行判定，

当X＝0时，判定在第二段至第十段中无符合缓冲半径选取的区间，将第一段做为缓冲半径选取区间；

当1≤X＜9时，判定有多个分段区间符合缓冲半径选取的区间，将确定各符合符合缓冲半径选取区间中距离最大的区间作为缓冲半径选取区间；

当X＝9时，判定第二段至第十段中均符合缓冲半径选取的区间，直接将缓冲半径选取为Lz。

7.根据权利要求6所述的基于机器学习的地质灾害危险性评价方法,其特征在于，在确定完成缓冲半径选取区间的分段后，在设定缓冲区选取的累计最大概率Ka，将选取的分段内各距离对应的累计概率Ks与累计最大概率Ka进行对比，当选取的分段内存在Ks＝Ka的点时，将Ks对应的距离作为选定的缓冲半径；当选取的分段内不存在Ks＝Ka的点，并且分段内各距离对应的累计概率Ks均小于累计最大概率Ka时，选取该分段内的距离最大值作为选定的缓冲半径；当选取的分段内不存在Ks＝Ka的点，并且分段内各距离对应的累计概率Ks均da于累计最大概率Ka时，选取该分段内的距离最小值作为选定的缓冲半径。

8.根据权利要求1所述的基于机器学习的地质灾害危险性评价方法,其特征在于，在所述步骤S3中，在对各地质灾害危险性评价因子数据作为特征构建样本特征矩阵时，地质灾害危险性评价因子数据中的工程地质岩组与土地利用类型两类特征为名义变量，利用OneHot编码对工程地质岩组与土地利用类型两类特征进行重新编译，其中土地利用类型编码为18维稀疏矩阵，工程地质岩组编码为8维稀疏矩阵。

9.根据权利要求1所述的基于机器学习的地质灾害危险性评价方法,其特征在于，在所述步骤S4中，随机选取样本集中70％的样本作为训练集，30％的样本作为测试集，分别选用随机森林、逻辑回归、支持向量机、朴素贝叶斯、梯度提升树五种算法进行建模，并通过AUC、准确率、F1值、精确度、召回率五类评价指标分别对上述五种算法建立的各模型进行评价得到评价指数，以AUC指标为第一评价指标，选取AUC值最高的模型作为预测模型，若在各模型中存在两个及以上的模型AUC值相等，且该AUC值为最高值时，选取准确率值最高的模型作为预测模型，若在各AUC值相等的模型中，存在两个及以上的模型准确率值相等，且该准确率值为最高值时，选取F1值最高的模型作为预测模型，以此类推，上述五类评价指标的评定顺序为AUC、准确率、F1值、精确度、召回率，在选取完成预测模型后，对各地质灾害危险性评价因子的重要度进行排序，重要度又高至低分别为降雨量、距离农村居民点距离、土地利用类型、高程、工程地质岩组、距路网距离、归一化植被指数、距断层距离、坡度、曲率、距河流距离、坡向。

10.根据权利要求1所述的基于机器学习的地质灾害危险性评价方法,其特征在于，在所述步骤S5中，通过预测模型对待评价地区划分的各栅格进行预测，得到待评价地区的地质灾害危险性概率图；将所占面积累计比例作为横坐标、预测成功率累计比例作为纵坐标，制定成功率曲线，设定预设第一斜率K1、预设第二斜率K2、预设第三斜率K3，其中，K1＞K2＞K3，并计算成功率曲线的任意点斜率K，将成功率曲线的任意点斜率K与预设第一斜率K1、预设第二斜率K2、预设第三斜率K3进行对比，

当K≥K1时，将成功率曲线对应部分划分为极高危险区；

当K1＞K≥K2时，将成功率曲线对应部分划分为高危险区；

当K2＞K≥K3时，将成功率曲线对应部分划分为中危险区；

当K＜K3时，将成功率曲线对应部分划分为低危险区；

在对待评价地区全部完成划分后，形成待评价地区的地质灾害危险性分区图，完成评价。

Images