-
题名基于大数据挖掘的山区公路沿线滑坡易发性小区划
被引量：10
- 1
-
-
作者
文海家
李洋
薛靖元
谢朋
-
机构
山地城镇建设与新技术教育部重点实验室
库区环境地质灾害防治国家地方联合工程研究中心
重庆大学土木工程学院
-
出处
《自然灾害学报》
CSCD
北大核心
2018年第4期159-165,共7页
-
基金
教育部留学回国人员科研启动基金项目([2015]1098)
重庆市发展和改革委员会2016年高技术产业技术开发专项项目([2016]1270)
+2 种基金
重庆市留学回国人员创业创新支持项目(CX2017125)
重庆市科技计划技术创新与应用示范项目(cstc2018jscxmsyb X0310)
中央高校基本科研业务费专项(2018CDPTCG0001/38)~~
-
文摘
本文目的是基于滑坡灾害因子地理空间数据、历史滑坡大数据分析,构建山区公路沿线滑坡易发性精细化评价的逻辑回归模型。选取高程、坡度、坡向、坡位、微地貌、曲率、顺逆向坡、归一化植被指数、岩性、距水系距离、距断层距离、距道路距离、多年平均降雨13个因子作为滑坡易发性影响因子,以30 m精度栅格建立影响因子地理空间数据库。在研究区域441个历史滑坡数据的基础上,将地理空间分划分为滑坡区与非滑坡区,分别随机选取70%的滑坡区域与非滑坡区作为训练数据集,剩下的30%作为验证数据集。通过样本数据集的训练,建立逻辑回归分析模型。利用训练好的逻辑回归模型,对整个研究区滑坡易发性进行仿真预测。结果显示,滑坡极低、低、中、高、极高易发区面积分别占42.24%、18.42%、17.57%、16.37%、5.41%,高、极高易发区与历史滑坡位置吻合度高;训练数据集、验证数据集以及区域仿真的ROC曲线AUC值分别为0.89、0.83、0.87,评价模型具有较高的稳定性与可靠性;新近发生的3个典型滑坡均处于高或极高易发区,模型具有良好的预测功能。
-
关键词
山区公路沿线
滑坡小区划
地理空间数据
大数据挖掘
逻辑回归模型
-
Keywords
along highway in mountainous region
landslide microzoning
geo-spatial database
mining the big data
LR model
-
分类号
U41
[交通运输工程—道路与铁道工程]
X43
[环境科学与工程—灾害防治]
-
