[发明专利]一种基于随机森林的地质灾害多灾种综合风险评价方法

权利要求书

1.一种基于随机森林的地质灾害多灾种综合风险评价方法，其特征在于：包括以下步骤：

(1)地质灾害风险评价体系构建

从地质灾害主要种类的共性因子入手，针对危险性和易损性的维度选取地形起伏度、坡度、地震烈度、距断层距离、降水、人均GDP、人口密度、路网密度等影响地质灾害风险的13项共性指标，运用ArcGIS软件创建格网，进一步运用空间分析与分区统计工具将各项评价指标统一到格网之中，并进行可视化表达；

(2)基于地质灾害点的样本选择与风险定级

从灾害风险理论视角将地质灾害点详查数据风险属性分解为灾害点规模、灾害点密度、威胁人数、威胁财产、毁坏房屋、毁坏道路、毁坏水渠属性，基于其属性值，运用投影寻踪聚类模型计算格网的地质灾害的影响系数，进一步运用风险映射机制实现了实现格网单元各项评价指标与对灾害风险的对接；

(3)随机森林模型构建与样本训练

随机森林分类是由多个决策树{h(X,Θk),k＝1,…}组成的组合分类模型，参数集{Θk}是独立同分布的随机向量，在给定自变量X下，每个决策树分类模型都通过一票投票来选择最优的分类结果；

将研究区的样本的各项指标数据和地质灾害风险等级数据同时输入到随机森林模型中，对模型进行训练，即可形成地质灾害风险的分类规则；

(4)模型精度评估与指标贡献度计算

对森林中所有树的OOB误差取平均作为模型的泛化误差；

各评价指标对于评价结果的重要程度(贡献度)可由各指标在节点分割时基尼系数的减少值计算；计算公式为：

式中，m、n、t分别为总指标个数、分类树棵数和单棵数的节点数，D_GKij为第i棵数第j个节点的基尼系数减少值，P_k为第k个指标在所有指标中的重要程度；

(5)地质灾害风险评价结果

将研究区所有的数据再次输入到随机森林模型中，利用训练样本在模型中训练形成的灾害风险分类规则对所有格网的灾害风险进行预测，从而得到研究区地质灾害风险的区划结果。

2.根据权利要求1所述的一种基于随机森林的地质灾害多灾种综合风险评价方法，其特征在于：步骤(2)中，有灾害点分布的格网的影响系数分为高、中、低三类；用ArcGIS的子集要素工具，随机选择风险样本，结合研究区的评价指标、地质灾害野外详查点属性对风险样本进行风险等级赋值。

3.根据权利要求1所述的一种基于随机森林的地质灾害多灾种综合风险评价方法，其特征在于：步骤(3)中通过一票投票来选择最优的分类结果，包括以下步骤：

首先，利用bootstrap抽样从原始训练集D中抽取k个样本，且每个样本中的特征数(m)都与原始训练集相同；bootstrap抽样为有放回的抽样，提升了训练集的随机性；

然后对k个样本分别建立k个决策树模型，得到k种分类结果{(h₁X),h₂X,…,h_nX}；每个样本中随机选取n(n≤m)个特征作为分裂特征集，从中选择最优特征对节点进行生长，当n＜m时，每一棵决策树之间又存在差异性；选择最小的基尼值作为最优特征分割标准；

式中，Gini(t)为t节点的最小基尼值，p(j|t)为风险j在t节点处的概率；

最后，通过上述步骤形成的随机森林，根据k种分类结果对每个记录进行投票表决以决定其最终分类，公式如下:

f(x₁)＝m_vote{h_i(x)(i＝1,2,…,k)

式中:m_vote为投票结果。

4.根据权利要求1所述的一种基于随机森林的地质灾害多灾种综合风险评价方法，其特征在于：步骤(4)中，所述的OOB误差，RF采用Bagging算法集成训练集，在风险分类树生成后，利用OOB数据得出该棵树的错误分类率，即OOB误差。