本發(fā)明涉及自然災(zāi)害的監(jiān)測(cè)領(lǐng)域，尤其是關(guān)于山體滑坡風(fēng)險(xiǎn)的監(jiān)測(cè)，尤其是一種滑坡預(yù)測(cè)模型的穩(wěn)定性評(píng)價(jià)方法及裝置。

背景技術(shù)：

地震是一種危險(xiǎn)的自然災(zāi)害，而且它發(fā)生的次數(shù)每年都在增加。keefer(1984)指出許多滑坡都是由大于ms4.0的地震引發(fā)的。這些由地震誘發(fā)的滑坡危害不僅在很大程度上威脅著人們的正常生活，而且同樣嚴(yán)重影響了城市的經(jīng)濟(jì)發(fā)展。因此這類(lèi)危害的準(zhǔn)確預(yù)測(cè)變得尤為重要。

在這個(gè)領(lǐng)域，滑坡易發(fā)性制圖作為一個(gè)很有效的手段能幫助人們理解和描繪未來(lái)的滑坡危害。許多算法(比如：邏輯回歸，人工神經(jīng)網(wǎng)絡(luò)，決策樹(shù)，層次分析法，支持向量機(jī)和隨機(jī)森林)都常常被作為工具來(lái)參與制圖。不幸的是，目前為止人們還沒(méi)能找到一個(gè)萬(wàn)能的可以準(zhǔn)確預(yù)測(cè)所有滑坡類(lèi)型的算法，這主要是因?yàn)榇罅康囊蛩?比如說(shuō)因子的組合)可能造成模型精度的改變。事實(shí)上，要想完美地解決以上的問(wèn)題是不可能的，于是人們往往追求在特定的地方尋找到一個(gè)比較理想的算法模型。

最常用的方法就是在同一個(gè)地方用相同的一組因子帶入多個(gè)模型得到滑坡易發(fā)性圖，然后比較每種模型的roc曲線(xiàn)從而得到最高準(zhǔn)確度的模型，但是這個(gè)模型往往無(wú)法移植到其他類(lèi)似地方。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明的一個(gè)目的在于提供一種滑坡預(yù)測(cè)模型的穩(wěn)定性評(píng)價(jià)方法，所述方法包括以下步驟：

因子選取步驟：選取用于滑坡預(yù)測(cè)的多個(gè)因子，選取的多個(gè)因子中包含可變因子，所述可變因子為屬性可轉(zhuǎn)化的因子；

組合生成步驟：根據(jù)選取的因子，生成至少兩個(gè)相同的組合，通過(guò)改變可變因子的屬性使得組合之間至少有一個(gè)因子的屬性不同；

穩(wěn)定性評(píng)價(jià)步驟：運(yùn)用測(cè)試數(shù)據(jù)求取滑坡預(yù)測(cè)模型基于不同組合的roc曲線(xiàn)，根據(jù)roc曲線(xiàn)評(píng)價(jià)該滑坡預(yù)測(cè)模型的穩(wěn)定性。

根據(jù)本發(fā)明實(shí)施例，所述穩(wěn)定性評(píng)價(jià)步驟，包括：

運(yùn)用測(cè)試數(shù)據(jù)求取滑坡預(yù)測(cè)模型基于不同組合的roc曲線(xiàn)，根據(jù)roc曲線(xiàn)得到每個(gè)組合的預(yù)測(cè)精度，根據(jù)不同組合對(duì)應(yīng)的預(yù)測(cè)精度評(píng)價(jià)該滑坡預(yù)測(cè)模型的穩(wěn)定性。

根據(jù)本發(fā)明實(shí)施例，進(jìn)一步地，所述穩(wěn)定性評(píng)價(jià)步驟中，統(tǒng)計(jì)所有的組合對(duì)應(yīng)的預(yù)測(cè)精度的平均數(shù)或中位數(shù)或方差，以平均數(shù)或中位數(shù)或方差評(píng)價(jià)該模型的穩(wěn)定性。

本發(fā)明的一個(gè)目的在于提供一種滑坡預(yù)測(cè)模型的穩(wěn)定性評(píng)價(jià)裝置，該裝置包括：

因子選取模塊：用于選取用于滑坡預(yù)測(cè)的多個(gè)因子，選取的多個(gè)因子中包含可變因子，所述可變因子為屬性可轉(zhuǎn)化的因子；

組合生成模塊：用于根據(jù)選取的因子，生成至少兩個(gè)相同的組合，通過(guò)改變因子的屬性使得組合之間至少有一個(gè)因子的屬性不同；

穩(wěn)定性評(píng)價(jià)模塊：用于運(yùn)用測(cè)試數(shù)據(jù)求取滑坡預(yù)測(cè)模型基于不同組合的roc曲線(xiàn)，根據(jù)roc曲線(xiàn)評(píng)價(jià)該滑坡預(yù)測(cè)的穩(wěn)定性。

與現(xiàn)有技術(shù)相比，本發(fā)明的有益效果：本發(fā)明方法及裝置考慮了因子本身屬性對(duì)模型的影響，通過(guò)本發(fā)明所述方法及裝置對(duì)滑坡預(yù)測(cè)模型的穩(wěn)定性進(jìn)行評(píng)價(jià)，選取穩(wěn)定性較高的預(yù)測(cè)模型進(jìn)行滑坡預(yù)測(cè)，可以提高滑坡預(yù)測(cè)的準(zhǔn)確性，而且任何地區(qū)的滑坡預(yù)測(cè)模型都可以通過(guò)這種方法來(lái)得出穩(wěn)定性較高的模型。

附圖說(shuō)明

為了更清楚地說(shuō)明本發(fā)明實(shí)施例的技術(shù)方案，下面將對(duì)實(shí)施例中所需要使用的附圖作簡(jiǎn)單地介紹。

圖1為本發(fā)明實(shí)施例提供的滑坡預(yù)測(cè)模型的穩(wěn)定性評(píng)價(jià)方法的流程圖。

圖2為roc曲線(xiàn)示意圖。

具體實(shí)施方式

下面將結(jié)合本發(fā)明實(shí)施例中附圖，對(duì)本發(fā)明實(shí)施例中的技術(shù)方案進(jìn)行清楚、完整地描述，顯然，所描述的實(shí)施例僅僅是本發(fā)明一部分實(shí)施例，而不是全部的實(shí)施例。通常在此處附圖中描述和示出的本發(fā)明實(shí)施例的組件可以以各種不同的配置來(lái)布置和設(shè)計(jì)。因此，以下對(duì)在附圖中提供的本發(fā)明的實(shí)施例的詳細(xì)描述并非旨在限制要求保護(hù)的本發(fā)明的范圍，而是僅僅表示本發(fā)明的選定實(shí)施例?；诒景l(fā)明的實(shí)施例，本領(lǐng)域技術(shù)人員在沒(méi)有做出創(chuàng)造性勞動(dòng)的前提下所獲得的所有其他實(shí)施例，都屬于本發(fā)明保護(hù)的范圍。

請(qǐng)參閱圖1，本實(shí)施例提供的一種滑坡預(yù)測(cè)模型的穩(wěn)定性評(píng)價(jià)方法，包括：

步驟一：選取用于滑坡預(yù)測(cè)的多個(gè)因子，選取的多個(gè)因子中包含可變因子，所述可變因子是指屬性可轉(zhuǎn)化的因子，例如因子的屬性能夠在定性和定量之間轉(zhuǎn)化。

常用的因子有斜率、巖性、土地利用類(lèi)型、方位、土壤深度、植被覆蓋度、海拔、地形濕度指數(shù)、斜面長(zhǎng)度、河流距離、道路距離、排水距離、平面曲率、剖面曲率、每英寸吃水噸數(shù)和起伏度等，根據(jù)預(yù)測(cè)地區(qū)的地理特性，可以根據(jù)經(jīng)驗(yàn)選取因子，以魯?shù)榈貐^(qū)為例，可以選取巖性、地形濕度指數(shù)、土地利用類(lèi)型、河流距離、道路距離、斷層距離、高程、坡角、坡向、起伏度、植被覆蓋度、地震峰值加速度這12個(gè)因子，如表1所示，這12個(gè)因子中就包括巖性、地形濕度指數(shù)、土地利用類(lèi)型、河流距離、道路距離、斷層距離這6個(gè)可變因子。

表1：

如表2所示，展示了部分(5個(gè))可變因子，對(duì)可變因子進(jìn)行分類(lèi)，并進(jìn)行編號(hào)。

表2，5個(gè)可變因子信息

步驟二：根據(jù)選取的因子，生成n(n≥2)個(gè)包含相同因子的組合，通過(guò)改變因子的屬性使得組合之間至少有一個(gè)因子的屬性不同。例如，生成的三個(gè)組合中，每個(gè)組合包含五個(gè)因子，組合一與組合二之間，第三個(gè)因子的屬性不同，組合一與組合三之間，第一個(gè)因子和第二個(gè)因子的屬性不同，組合二與組合三之間，第一、第二、第三個(gè)因子的屬性不同。再例如，兩個(gè)組合中，第一個(gè)組合中的道路距離因子用數(shù)字(定量屬性)400(米)表示，那么在另一個(gè)組合中，在其他因子完全一樣的情況下，道路距離因子用定性屬性第二類(lèi)(參考表2)表示。

步驟三：運(yùn)用測(cè)試數(shù)據(jù)求取滑坡預(yù)測(cè)模型基于不同組合的roc曲線(xiàn)，根據(jù)roc曲線(xiàn)評(píng)價(jià)該滑坡預(yù)測(cè)的穩(wěn)定性。

測(cè)試數(shù)據(jù)的獲取，可以通過(guò)遙感數(shù)據(jù)，谷歌地球，實(shí)地采集，高程圖和地質(zhì)圖等方式搜集所需要的數(shù)據(jù)，測(cè)試數(shù)據(jù)包括因子的參數(shù)數(shù)據(jù)和是否滑坡數(shù)據(jù)。如表1所示，對(duì)于定量因子有平均數(shù)，定性因子有眾數(shù)，基于統(tǒng)計(jì)分析，計(jì)算出每個(gè)定量因子的平均數(shù)，每個(gè)定性因子的眾數(shù)。

將測(cè)試數(shù)據(jù)按照一定比例分為訓(xùn)練集和測(cè)試集時(shí)，訓(xùn)練集所占比例可以設(shè)置得較大，例如針對(duì)于測(cè)試數(shù)據(jù)較少的情況，可以按照8:2的比例分配訓(xùn)練集和測(cè)試集。測(cè)試數(shù)據(jù)分配后，分析訓(xùn)練集和測(cè)試集，分別找出存在缺失的數(shù)據(jù)，用眾數(shù)或平均數(shù)進(jìn)行補(bǔ)充。比如在測(cè)試集中發(fā)現(xiàn)缺少湖泊這種土地類(lèi)型，則在測(cè)試集中補(bǔ)入湖泊的眾數(shù)。

先將訓(xùn)練集代入待評(píng)價(jià)的算法中進(jìn)行建模，再將測(cè)試集代入建好的模型中，求取待評(píng)價(jià)的滑坡預(yù)測(cè)模型對(duì)于不同組合的roc曲線(xiàn)。

常用算法有邏輯回歸，人工神經(jīng)網(wǎng)絡(luò)，決策樹(shù)，層次分析法，支持向量機(jī)和隨機(jī)森林等，此處僅以人工神經(jīng)網(wǎng)絡(luò)算法進(jìn)行簡(jiǎn)要說(shuō)明。

1.人工神經(jīng)網(wǎng)絡(luò)模型的建立

假定有n個(gè)因子組合，每個(gè)因子組合有i個(gè)因子。

a)根據(jù)神經(jīng)網(wǎng)絡(luò)的特性，首先將對(duì)i個(gè)因子an隨機(jī)產(chǎn)生i個(gè)權(quán)重bn(如果選取的范圍為-1～1(也可能是其他范圍)，那么初始權(quán)重bn就是此范圍內(nèi)隨機(jī)生成的一個(gè)數(shù)，比如說(shuō)0.352或-0.943)；

b)然后利用公式來(lái)得出一個(gè)結(jié)果(即后文公式中的算法輸出值)；

c)將上一步的結(jié)果和真實(shí)結(jié)果(可以用0表示非滑坡區(qū)，1表示滑坡區(qū))進(jìn)行比較，如果沒(méi)有滿(mǎn)足算法本身的要求(循環(huán)次數(shù)達(dá)到設(shè)定要求(比如要求最多運(yùn)行100000次再建模)，或者預(yù)測(cè)值(即算法輸出值)與真實(shí)值的方差小于一個(gè)給定值)，則通過(guò)下面公式改變每個(gè)bn的值來(lái)進(jìn)行下次運(yùn)算；

bn＝bn+(真實(shí)值-算法輸出值)×算法輸出值×(1-算法輸出值)×對(duì)應(yīng)的因子

d)一直重復(fù)上面兩個(gè)步驟(步驟b)、步驟c))直到滿(mǎn)足該算法本身要求。此時(shí)基于人工神經(jīng)網(wǎng)絡(luò)的模型就建立好了。

2.求取人工神經(jīng)網(wǎng)絡(luò)模型對(duì)于不同組合的roc曲線(xiàn)

將測(cè)試集中的m(為正整數(shù))組數(shù)據(jù)代入建立好的人工神經(jīng)網(wǎng)絡(luò)模型中得出m個(gè)預(yù)測(cè)值。

將m個(gè)預(yù)測(cè)值進(jìn)行從小到大排序，組成一個(gè)數(shù)列，該數(shù)列中，第一個(gè)預(yù)測(cè)值為最小預(yù)測(cè)值，第二個(gè)預(yù)測(cè)值為第二大預(yù)測(cè)值，以此類(lèi)推，最后一個(gè)預(yù)測(cè)值為最大預(yù)測(cè)值。

選取最小預(yù)測(cè)值為閥值，將小于閥值的歸為一類(lèi)，大于閥值的歸為另一類(lèi)，來(lái)確定預(yù)測(cè)的滑坡?tīng)顟B(tài)，然后將該預(yù)測(cè)的狀態(tài)和真實(shí)的狀態(tài)(對(duì)應(yīng)的測(cè)試數(shù)據(jù)中包含該真實(shí)的狀態(tài))進(jìn)行比較，得到一個(gè)假正率(在所有實(shí)際為非滑坡區(qū)域的測(cè)試數(shù)據(jù)中，被錯(cuò)誤地判斷成滑坡區(qū)域的概率)和一個(gè)真正率(在所有實(shí)際為滑坡區(qū)域的測(cè)試數(shù)據(jù)中，被準(zhǔn)確地判斷成滑坡區(qū)域的概率)。

對(duì)于roc曲線(xiàn)(圖2)來(lái)說(shuō)，x軸就是假正率，而y軸代表真正率，通過(guò)不斷地選取第二個(gè)，第三個(gè)…最后一個(gè)預(yù)測(cè)值作為閥值(若有相同的預(yù)測(cè)值則跳過(guò)，選取下一個(gè))就能在roc圖中獲得最多m個(gè)點(diǎn)，然后再加上兩個(gè)端點(diǎn)(0,0)和(1，1)(分別表示選取最小預(yù)測(cè)值為閥值，當(dāng)將小于閥值的歸為一類(lèi)，大于或等于閥值的歸為另一類(lèi)；和選取最大預(yù)測(cè)值為閥值，當(dāng)將小于或等于閥值的歸為一類(lèi)，大于閥值的歸為另一類(lèi))，將這些點(diǎn)連接起來(lái)就成了roc曲線(xiàn)，這樣就建立了一個(gè)組合對(duì)應(yīng)的人工神經(jīng)網(wǎng)絡(luò)模型的roc曲線(xiàn)，如圖2所示。

上述roc曲線(xiàn)獲得方法同樣可以適用于其他滑坡預(yù)測(cè)模型。

針對(duì)于n個(gè)組合，可以得到n條roc曲線(xiàn)。比較該n條roc曲線(xiàn)，評(píng)價(jià)該滑坡預(yù)測(cè)模型的穩(wěn)定性。

作為一種可實(shí)施例方式的舉例，可以根據(jù)roc曲線(xiàn)得到每個(gè)組合的預(yù)測(cè)精度，根據(jù)不同組合對(duì)應(yīng)的預(yù)測(cè)精度評(píng)價(jià)該滑坡預(yù)測(cè)模型的穩(wěn)定性。實(shí)施時(shí)，可以將roc曲線(xiàn)下方面積auc(也可以理解為roc曲線(xiàn)對(duì)x軸積分)作為預(yù)測(cè)精度，即roc曲線(xiàn)與坐標(biāo)軸形成的面積作為預(yù)測(cè)精度。當(dāng)計(jì)算得到的所有的點(diǎn)(fpr，tpr)組成的曲線(xiàn)不能與坐標(biāo)軸形成封閉區(qū)域時(shí)，roc曲線(xiàn)還包括(0,0)、(1,1)這兩個(gè)點(diǎn)。針對(duì)n個(gè)組合，可以得到n個(gè)預(yù)測(cè)精度值。

在通過(guò)不同組合的預(yù)測(cè)精度評(píng)價(jià)滑坡預(yù)測(cè)模型的穩(wěn)定性時(shí)，可以以最大(最小)預(yù)測(cè)精度為評(píng)價(jià)依據(jù)，也可以以最大預(yù)測(cè)精度與最小預(yù)測(cè)精度之間的差值作為評(píng)價(jià)依據(jù)，還可以以所有的組合對(duì)應(yīng)的預(yù)測(cè)精度的平均數(shù)或中位數(shù)或方差評(píng)價(jià)該滑坡預(yù)測(cè)模型的穩(wěn)定性。

本方法引入了因子本身對(duì)模型的影響，利用預(yù)測(cè)模型的roc曲線(xiàn)來(lái)評(píng)價(jià)模型的穩(wěn)定性，實(shí)踐證明，在魯?shù)榈貐^(qū)采用這種方法對(duì)多種預(yù)測(cè)模型的穩(wěn)定性進(jìn)行評(píng)價(jià)，選取穩(wěn)定性最高的c50決策樹(shù)模型進(jìn)行滑坡預(yù)測(cè)，預(yù)測(cè)結(jié)果的準(zhǔn)確性更高。本方法可以適用于任何地區(qū)在進(jìn)行滑坡預(yù)測(cè)前對(duì)滑坡預(yù)測(cè)模型的選取，通過(guò)本方法可以選取出穩(wěn)定性最好的模型進(jìn)行滑坡預(yù)測(cè)，提高預(yù)測(cè)的準(zhǔn)確性。

相應(yīng)地，本實(shí)施例中還提供了一種滑坡預(yù)測(cè)模型的穩(wěn)定性評(píng)價(jià)裝置，包括：

因子選取模塊：用于選取用于滑坡預(yù)測(cè)的多個(gè)因子，選取的多個(gè)因子中包含屬性可轉(zhuǎn)化的因子；

組合生成模塊：用于根據(jù)選取的因子，生成至少兩個(gè)相同的組合，通過(guò)改變因子的屬性使得組合之間至少有一個(gè)因子的屬性不同；

穩(wěn)定性評(píng)價(jià)模塊：用于運(yùn)用測(cè)試數(shù)據(jù)求取滑坡預(yù)測(cè)模型基于不同組合的roc曲線(xiàn)，根據(jù)roc曲線(xiàn)評(píng)價(jià)該滑坡預(yù)測(cè)的穩(wěn)定性。

在一種實(shí)施方案中，穩(wěn)定性評(píng)價(jià)模塊具體用于：運(yùn)用測(cè)試數(shù)據(jù)求取滑坡預(yù)測(cè)模型基于不同組合的roc曲線(xiàn)，根據(jù)roc曲線(xiàn)得到每個(gè)組合的預(yù)測(cè)精度，根據(jù)不同組合對(duì)應(yīng)的預(yù)測(cè)精度評(píng)價(jià)該滑坡預(yù)測(cè)模型的穩(wěn)定性。

對(duì)于該裝置中各模塊執(zhí)行操作可以參見(jiàn)前述方法中的相關(guān)描述，為避免冗余，此處不再細(xì)述。

以上所述，僅為本發(fā)明的具體實(shí)施方式，但本發(fā)明的保護(hù)范圍并不局限于此，任何熟悉本技術(shù)領(lǐng)域的技術(shù)人員在本發(fā)明揭露的技術(shù)范圍內(nèi)，可輕易想到變化或替換，都應(yīng)涵蓋在本發(fā)明的保護(hù)范圍之內(nèi)。