[发明专利]一种基于最优组合策略的区域滑坡敏感性分析方法

权利要求书

1.一种基于最优组合策略的区域滑坡敏感性分析方法，其特征在于，包括以下步骤：

（1）数据准备

通过资料收集、遥感解译和现场调查手段收集滑坡敏感性分析区域的地形地貌、地质条件和滑坡分布数据和信息，获取滑坡样本；采用GIS软件建立区域地质环境条件和滑坡灾害分布数据库；采用栅格单元或斜坡单元对分析区域进行评价单元划分和编号，根据经验和相关性分析选取对滑坡发育影响大的因素作为指标因子，各评价单元的指标因子经归一化处理后作为自变量，每个评价单元的滑坡敏感性作为因变量；每个评价单元作为一个样本，对所有评价单元提取自变量和因变量，形成样本集；采用留出法并按照保留类别比例的采样方式将样本划分为训练样本集和测试样本集；

（2）单模型滑坡敏感性分析

选取线性判别模型、二次判别模型、逻辑回归模型三个单模型，采用训练样本集分别对每个单模型进行训练，确定和量化因变量和自变量的关系；采用测试样本集对训练后的单模型进行验证，得到单模型的滑坡敏感性分级结果；

（3）单模型滑坡敏感性分析的质量评价

分别在步骤（2）的训练阶段和验证阶段采用四重权重分布图、受试者工作特征曲线（ROC曲线）对单模型的准确率和拟合度进行评价；

采用不确定性量化方法对单模型的不确定性进行评价：采用分层随机抽样技术准备不同的数据集，每一个数据集包括一定数量的评价单元，在R语言运行环境中通过独立编写bootstrap_smples_model_variablity命令代码，进行单模型不确定评估中的样本选取与参数设置，每一个评价单元分别运行该命令代码数百次，每次采用不同的训练样本；

采用统计分析方法计算每一个评价单元发生滑坡概率的均值μ和标准差σ，得到单模型的不确定性分析曲线，根据对单模型敏感性分析的质量评价和对比，选取拟合度和准确率高且不确定性低的单模型作为优质单模型；

（4）最优组合模型敏感性分析

将步骤（3）选出的优质单模型的滑坡敏感性预测值作为自变量，以评价单元是否为滑坡单元作为因变量，使用逻辑回归算法作为机器学习模型对单模型预测成果进行集成学习，得到最优的滑坡敏感性分析结果。

2.根据权利要求1所述方法，其特征在于，步骤（1）采用以下4种方式中的一种来进行滑坡样本采集：（1）利用整个滑坡多边形生成的质心作为栅格单元；（2）选取整个滑坡多边形；（3）选取滑坡后缘及其周围的单元；（4）种子细胞方法，选取滑坡后缘上部和两侧周围的缓冲多边形。

3.根据权利要求1所述方法，其特征在于，步骤（1）中训练样本集的数据量占比为样本总数的2/3。

4.根据权利要求1所述方法，其特征在于，步骤（3）采用不确定性量化方法对单模型的不确定性进行评价，方法如下：采用分层随机抽样技术，准备100组不同的数据集，每一个数据集包括2000个评价单元，其中包含1000个滑坡单元，1000个非滑坡单元，在R语言运行环境中通过独立编写bootstrap_smples_model_variablity命令代码，进行模型不确定评估中的样本选取与参数设置，每一个单一评价单元分别运行代码200次，每次所采用的训练样本不同。