本發(fā)明屬于地質(zhì)災害工程領域，尤其涉及一種線性交通工程風險帶快速評估方法。

背景技術：

1、滑坡災害易發(fā)性評價作為區(qū)域滑坡災害風險管控的第一步，也是至關重要的一步，為滑坡災害提前防范和早期預警提供重要決策依據(jù)。因此，選擇合適的技術方法開展區(qū)域滑坡易發(fā)性評價研究，對滑坡災害預警和防治具有重要的意義。在使用gis平臺arcgis進行易發(fā)性評價時，通常采用隨機生成點工具生成非滑坡點，該點有可能落在地質(zhì)災害高風險區(qū)，存在一定的誤差；

2、現(xiàn)如今，鐵路線路沿線需要進行細致的地質(zhì)災害評估和預警體系建設，采取相應的地質(zhì)防災措施，例如地質(zhì)勘探、邊坡支護和排水系統(tǒng)等，以確保鐵路線的可靠性和安全性。所以，如何快速準確的對風險帶進行評估具有重大的現(xiàn)實意義。

技術實現(xiàn)思路

1、針對現(xiàn)有技術中的上述不足，本發(fā)明提供的一種線性交通工程風險帶快速評估方法，為線性交通工程規(guī)劃、設計、施工和運營階段的地質(zhì)災害風險管理提供科學依據(jù)，解決了地質(zhì)災害區(qū)域性預測模型的準確性低和線性交通工程風險帶評估慢的問題。

2、為了達到以上目的，本發(fā)明采用的技術方案為：線性交通工程風險帶快速評估方法，包括以下步驟：

3、s1、收集研究區(qū)基礎地理數(shù)據(jù)與歷史地質(zhì)災害統(tǒng)計資料，并在gis中統(tǒng)一坐標系后對各致災因子矢量化和柵格化進行重分類，對每個致災因子建立多等級緩沖區(qū)，劃分柵格等級，得到多個災害點；

4、s2、基于改進的信息量模型計算每個災害點的各致災因子信息量值；

5、s3、計算各致災因子間的相關性，并剔除相關性大于預設閾值的致災因子及其信息量值；

6、s4、利用改進的shap可解釋模型計算經(jīng)剔除后各致災因子對滑坡的貢獻量，并剔除貢獻量小于預設閾值的致災因子及其信息量值；

7、s5、根據(jù)經(jīng)兩次剔除后的致災因子，建立不包含位移信息的學習樣本庫，采用hsvr模型對樣本數(shù)據(jù)進行訓練，并利用經(jīng)訓練的hsvr模型獲取初始的易發(fā)性分區(qū)，并生成非滑坡點樣本，構建最終學習樣本庫；

8、s6、根據(jù)最終學習樣本庫，利用改進的信息量模型重新計算信息量值，并將經(jīng)重新計算的信息量值輸入至swo和hsvr模型耦合的swo-hsvr模型進行學習訓練，得到地質(zhì)災害區(qū)域性預測模型；

9、s7、根據(jù)地質(zhì)災害區(qū)域性預測模型得到各致災因子的權重系數(shù)，修正權重系數(shù)，并導入gis系統(tǒng)，生成線性交通工程風險帶，完成線性交通工程風險帶快速評估。

10、本發(fā)明的有益效果為：本發(fā)明在使用gis技術對滑坡進行易發(fā)性評價時，利用改進信息量模型、hsvr模型以及swo-hsvr模型，充分提高了易發(fā)性評價的精度、線性交通工程風險帶的評估速度以及地質(zhì)災害區(qū)域性預測模型的準確性，并實現(xiàn)了線性交通工程風險帶快速評估。

11、進一步地，所述基礎地理數(shù)據(jù)包括：ndvi、年均降雨、年均溫度、dem、斷層、巖性、水系、地震動加速度、道路、坡度、坡向以及位移等因子，并且還包含每一柵格點變形值。

12、再進一步地，所述改進的信息量模型的公式如下所示：

13、

14、其中，i表示信息量值，nj表示在第j個致災因子下各級別內(nèi)滑坡災害數(shù)，n表示滑坡區(qū)總數(shù)，qj表示在第j個致災因子下所占柵格數(shù)，q表示所分析區(qū)域內(nèi)的柵格總數(shù)，a表示控制致災因子發(fā)生概率較高時信息量值的飽和度的超參數(shù)，b表示控制致災因子發(fā)生概率較低時信息量值的飽和度的超參數(shù)。

15、上述進一步方案的有益效果為：本發(fā)明在改進信息量模型中引入超參數(shù)a與超參數(shù)b，結合超參數(shù)a與超參數(shù)b實現(xiàn)對一個或者一類重點致災因子的信息量值進行效果突出。

16、再進一步地，所述改進的shap可解釋模型的計算公式如下所示：

17、

18、其中，κi表示第i個致災因子對滑坡的貢獻量，i表示致災因子序號，p表示總致災因子集合，s表示總致災因子集合中除第i個致災因子外的子集，s∪{i}表示s集合與第i個致災因子所組成的新集合，k表示s集合在包含與不包含第i個致災因子時樣本取值差的權重，fx(s)表示s集合中的各致災因子貢獻量，|s|表示s集合的因子數(shù)量，m表示總致災因子數(shù)量，κ0表示初始滑坡貢獻量，xi表示第i個致災因子的信息量值；

19、再進一步地，所述s5包括以下步驟：

20、根據(jù)經(jīng)兩次剔除后的致災因子，在gis系統(tǒng)中建立不包含位移信息的學習樣本庫；

21、s502、采用hsvr模型對樣本庫中的樣本數(shù)據(jù)進行訓練，利用訓練后的hsvr模型從研究區(qū)中獲取初步的易發(fā)性分區(qū)，并生成非滑坡點樣本；

22、s503、將非滑坡點樣本與災害點放在同一樣本庫中，且在樣本特征列增加位移信息，構建最終學習樣本庫。

23、再進一步地，所述hsvr模型的計算公式如下所示：

24、

25、其中，y(·)表示hsvr模型的計算函數(shù)，取改進信息量模型的超參數(shù)a＝b＝0.5，n表示已有致災因子數(shù)量，αi表示第i個致災因子的貢獻量，r表示可行度超參數(shù)，t表示除位移外的總致災因子數(shù)量，xi表示第i個致災因子的信息量值，yi表示二極值表示的第i個致災因子的標簽，表示損失函數(shù)，k(xi,xj)表示核函數(shù)，xit表示致災因子i與致災因子t的耦合特征值，xjt表示表示致災因子j與致災因子t的耦合特征值；

26、求解函數(shù)y(·)最小值時，限定條件的表達式如下所示：

27、

28、其中，αi表示第i個致災因子的貢獻量，yi表示二極值表示的第i個致災因子的標簽；

29、所述損失函數(shù)的表達式如下所示：

30、

31、其中，x表示致災因子信息量值，μ表示損失范圍超參數(shù)。

32、上述進一步方案的有益效果為：本發(fā)明在生成滑坡點之前采用hsvr模型進行滑坡易發(fā)性分區(qū)，從滑坡易發(fā)性分區(qū)中生成非滑坡點，避免將滑坡區(qū)域采集為負樣本，降低樣本數(shù)據(jù)誤差，提高了分區(qū)精度。

33、再進一步地，所述s6包括以下步驟：

34、s601、根據(jù)最終學習樣本庫，利用改進的信息量模型重新計算信息量值；

35、s602、根據(jù)重新計算的信息量值，使用基于swo和hsvr模型耦合的swo-hsvr模型對所有的致災因子和位移進行計算，其中損失范圍超參數(shù)、可行度超參數(shù)以及改進信息量模型的超參數(shù)由swo進行迭代優(yōu)化，得到最優(yōu)超參數(shù)；

36、s603、將最優(yōu)超參數(shù)帶入改進信息量模型和hsvr模型計算得到最優(yōu)模型參數(shù)，并結合最優(yōu)模型參數(shù)得到地質(zhì)災害區(qū)域性預測模型。

37、上述進一步方案的有效效果為：本發(fā)明在建立地質(zhì)災害區(qū)域性預測模型時，使用改進信息量模型和swo-hsvr模型，更好的擬合非線性關系和致災因子之間的相互影響，提高了模型的預測性能和適用性。

38、再進一步地，所述修正權重系數(shù)的公式如下所示：

39、

40、其中，γi表示第i個致災因子，xi表示第i個致災因子的信息量值，u表示除位移外的總致災因子數(shù)量，γd表示位移權重系數(shù)，xd表示位移的信息量。