-
题名面向滑坡风险的三峡近坝区暴雨规律研究
- 1
-
-
作者
范元月
刘俊
叶丹
雷东洋
李琳琳
易香妤
-
机构
中国长江电力股份有限公司智慧长江与水电科学湖北省重点实验室
宜昌市气象局
三峡国家气候观象台
-
出处
《安全与环境工程》
北大核心
2025年第4期174-188,共15页
-
基金
智慧长江与水电科学湖北省重点实验室开放研究基金项目(2422020009)。
-
文摘
为提高三峡近坝区滑坡地质灾害风险预警的时效性和准确率,基于研究区30 a小时雨量数据,分析了2类与滑坡相关的降水气候特征,并利用三峡近坝区的10 a探空资料、再分析资料及风廓线雷达资料,统计研究了形成突发型滑坡的短历时暴雨和形成持续型滑坡的长历时暴雨的环境场规律。结果表明:①短历时暴雨发生前,低层绝对水汽含量更高,但水汽饱和程度较低;②短历时暴雨发生前,热力类参数值更大;③长历时暴雨发生前,动力抬升和维持机制更明显,短历时暴雨发生前,中尺度上升运动更强,随着暴雨临近,本地低层风速减小、上升速度增大到0.5 m/s以上。研究得出了三峡近坝区2类暴雨环境场的阈值,为滑坡风险预警提供了定量依据。
-
关键词
三峡近坝区
滑坡风险预警
暴雨
气候特征
环境场
阈值
-
Keywords
near the Three Gorges Dam area
landslide risk early warning
rainstorm
climatic characteristic
environmental field
parameter threshold value
-
分类号
X4
[环境科学与工程—灾害防治]
P426.6
[天文地球—大气科学及气象学]
-
-
题名基于LR-ANN-SVM的滑坡易发性评价
被引量：4
- 2
-
-
作者
陈飞
蔡超
李小双
钱乾
-
机构
江西理工大学资源与环境工程学院
江西理工大学江西省矿业工程重点实验室
-
出处
《有色金属科学与工程》
CAS
2020年第4期82-90,共9页
-
基金
国家自然科学基金青年基金资助项目(41702327)
赣州市专利技术实施转化资助项目(2017019128)
江西省教育厅科学技术项目研究资助项目(GJJ180436)。
-
文摘
针对传统大数据机器学习等方法进行滑坡易发性评价时,存在过于追求模型评价精度,导致在中易发区与低易发区存在滑坡产生的风险,提出了风险预警来降低中与低易发区产生的滑坡灾害。选取神经网络模型(ANN)、逻辑回归模型(LR)、支持向量机模型(SVM)3种学习方法,对上犹县进行滑坡易发性评价,将上犹县分为高易发区、较高易发区、中易发区、较低易发区,低易发区。由受试者工作曲线(ROC)下的面积(AUC)显示:神经网络(ANN)的AUC=0.939,逻辑回归模型(LR)的AUC=0.897,支持向量机(SVM)的AUC=0.884,均具有较高的评价精度。根据以上的易发性评价结果,得到上犹县栅格的易发性指数(LSI),然后基于MAX(LSI(LR)、LSI(ANN)、LSI(SVM))函数对上述模型的易发性指数取最大值,并对上犹县进行滑坡易发性评价。结果显示:LR-ANN-SVM的AUC=0.815,有较高的易发性评价精度。从高易发区与较高易发区所含滑坡占比来看,LR、ANN、SVM、LR-ANN-SVM的滑坡占比分别为80.6%、74.6%、91%、93.2%,表明根据ANN-LR-SVM易发性分区治理更安全。
-
关键词
神经网络
支持向量机
逻辑回归模型
滑坡风险预警
-
Keywords
neural network
support vector machine
logistic regression
landslide risk warning
-
分类号
P694
[天文地球—地质学]
X141
[环境科学与工程—环境科学]
-
