[发明专利]基于分形—机器学习混合模型的滑坡易发性评估方法

权利要求书

1.基于分形—机器学习混合模型的滑坡易发性评估方法，其特征在于，包括如下步骤：

（1）滑坡易发性评估因子的选择；

（2）基于分形模型来分析实验区中的历史滑坡地质灾害点与滑坡易发性评估因子之间的分形关系，在求解滑坡易发性评估因子与历史地质灾害点之间的分形维度的基础上，计算初步的滑坡易发性指数；

（3）构建多场景样本数据集：3种非滑坡样本连同统一的滑坡样本构建3种不同场景的样本数据集；

（4）3种场景的样本数据集分别作为NB模型和SVM模型的输入开展滑坡易发性评估研究。

2.根据权利要求1所述的基于分形—机器学习混合模型的滑坡易发性评估方法，其特征在于，在步骤（1）中：选定高程、坡向、坡度变率、坡向变率、地质岩性、土地利用、地面曲率、距断裂距离、降雨、统一化植被指数NDVI 10个弱相关的地理—环境因子作为滑坡易发性评估因子开展滑坡易发性评估研究；

高程、坡向、地面曲率、坡度变率和坡向变率是由地理空间数据云平台上提供的30m分辨率的DEM数据计算所得；

地质岩性和距断裂距离由中国地质大学（北京）全国矿产资源潜力评价项目组提供；

在对断裂构造的分析中，以0.2 km缓冲区为间隔，分析了距离断裂构造2 km的范围内断裂构造对滑坡地质灾害的影响；

降雨数据来源于中国科学院资源与环境数据云平台，根据2006年至2015年的年平均降雨量数据绘制了多年平均降雨量图；

NDVI数据是通过Google Eatrh Engine平台，利用2015/1/1～2016/1/1之间的Landsat8影像计算了实验区的均值NDVI，并采用等间隔分类方法将NDVI划分为12类；

土地利用数据来源于2017年的Global Land 30产品。

3.根据权利要求2所述的基于分形—机器学习混合模型的滑坡易发性评估方法，其特征在于，10个弱相关的地理—环境因子，在GIS软件的辅助下将其转换成统一的0.1 km×0.1 km尺度的规则网格用于的滑坡易发性评估研究。

4.根据权利要求1所述的基于分形—机器学习混合模型的滑坡易发性评估方法，其特征在于，在步骤（2）中，通过对滑坡易发性评估因子的累积和变换，将滑坡地质灾害与滑坡易发性评估因子之间的变维分形关系转换成定维分形关系，从而客观评价每个滑坡易发性评估因子对滑坡地质灾害的影响程度；包括如下步骤：

（2-1）对滑坡易发性建模的滑坡易发性评估因子进行分级处理，将滑坡易发性评估因子划分为一定数量的级别或类别，简化滑坡易发性评估因子；

其中：高程、地面曲率、坡度变率、坡向变率、降雨、统一化植被指数NDVI为连续型评估因子；以密度系数划分方法作为级别划分标准；密度系数划分方法是在以“小间距”对评估因子进行等间距分级的前提下，统计滑坡在当前评估因子各区段中的滑坡密度值，滑坡密度值包括滑坡单元比例和网格单元比例，继而将密度相近的相邻区段进行合并，从而合理控制连续型评估因子的级别划分；

坡向、地质岩性、土地利用为离散型评估因子；以离散性的属性信息来作为状态划分的标准，每一“离散”特征均表示为一类；

距断裂距离为线型评估因子；按照一定的间隔对线性评估因子进行缓冲区分析，不同缓冲区距离对应不同的级别；

（2-2）据对不同类型的滑坡易发性评估因子的分级处理结果，分别计算划级后的每个评估因子每个内部级别的滑坡单元密度，如公式5所示：

（5）；

式中，P_ld表示滑坡易发性评估因子某个级别中包含的滑坡评估单元个数N_l占整个研究区滑坡单元总数N的比率； P_gd表示滑坡易发性评估因子某个级别中的网格单元个数M_g占整个研究区网格单元总数M的比率；P表示该评估因子在当前级别中的滑坡单元密度；

（2-3）参照每个滑坡易发性评估因子对应分级中所计算的滑坡单元密度值，按照滑坡单元密度值的大小进行降序排列，如果某个级别中的P值为0，则该级别不作考虑，然后分别对按照降序排列的滑坡易发性评估因子级别进行数值编号，即按照滑坡单元密度值的由大到小进行数值编号，各滑坡易发性评估因子所对应的级别分别编号r =0，1，2…；接着，将分型模型的基本数学公式（1-1）以不同级别r及其所对应的P进行对数变换，如式（2-1）所示，得到ln(r)和ln(P) ；并以坐标（ln(r)，ln(P)）的坐标点形式进行成图，最后采用线性拟合的方式对一系列坐标点（ln(r)，ln(P)）进行线性拟合；

（1-1）

（2-1）

其中，r表示对待测目标进行测量的最小尺度，自变量；P(r)表示在当前测量尺度r下，对目标的测量结果，因变量；D是分形维数；C为常量；

（2-4）基于对ln(P)和ln(r)进行线性拟合的结果：

如果 ln(P) 和 ln(r) 之间能够被线性拟合，则将拟合直线的斜率作为分形维数；

如果ln(P)和ln(r)之间不能被线性拟合，则按照公式6对原始的P和r进行“累积和”处理，经“累积和”计算后得到的S值被当作成新的P值，继而进行下一阶的“累积和”计算；

  （6）

式中，S₁、S₂、S₃……表示对P的1阶、2阶、3阶…累积和处理；

（2-5）在对P和r进行线性拟合和“累积和”计算的过程中，当直线拟合的均方差R²出现下降趋势时，则“累积和”计算停止，从而以最终拟合直线的斜率作为分形维度值。