地面沉降是全球公认的重要灾害,不同受灾区域的地面沉降处于不同发展阶段,准确地认识地面沉降的发展是防治地面沉降灾害的关键。针对地面沉降各发展阶段的不同特征,提出了一种自适应聚类算法(improved adaptive density peak clustering...地面沉降是全球公认的重要灾害,不同受灾区域的地面沉降处于不同发展阶段,准确地认识地面沉降的发展是防治地面沉降灾害的关键。针对地面沉降各发展阶段的不同特征,提出了一种自适应聚类算法(improved adaptive density peak clustering algorithm based on K-nearest neighbors,简称IADPC-KNN),结合粒模型理论,归纳总结了地面沉降发展模式及其映射规律。首先,采用动态时间弯曲方法(dynamic time warping,简称DTW)作为数据间的距离度量,将IADPC-KNN与其他5种聚类算法,在7个公开的数据集进行测试,结果表明IADPC-KNN具有较高精度及较好鲁棒性。其次,收集全球14个受灾区域的地面沉降监测数据,经过数据处理、序列提取、聚类分析、粒模型构建、规则归纳等步骤,得到4类地面沉降模式及其映射关系。最后,采用某地2017―2019年的监测数据进行验证,结果表明该地2018年以后的地面沉降模式有0.3592的概率属于模式4,与实际沉降发展较吻合。该研究成果可为地面沉降灾害的预测与防控提供理论参考。展开更多
文摘地面沉降是全球公认的重要灾害,不同受灾区域的地面沉降处于不同发展阶段,准确地认识地面沉降的发展是防治地面沉降灾害的关键。针对地面沉降各发展阶段的不同特征,提出了一种自适应聚类算法(improved adaptive density peak clustering algorithm based on K-nearest neighbors,简称IADPC-KNN),结合粒模型理论,归纳总结了地面沉降发展模式及其映射规律。首先,采用动态时间弯曲方法(dynamic time warping,简称DTW)作为数据间的距离度量,将IADPC-KNN与其他5种聚类算法,在7个公开的数据集进行测试,结果表明IADPC-KNN具有较高精度及较好鲁棒性。其次,收集全球14个受灾区域的地面沉降监测数据,经过数据处理、序列提取、聚类分析、粒模型构建、规则归纳等步骤,得到4类地面沉降模式及其映射关系。最后,采用某地2017―2019年的监测数据进行验证,结果表明该地2018年以后的地面沉降模式有0.3592的概率属于模式4,与实际沉降发展较吻合。该研究成果可为地面沉降灾害的预测与防控提供理论参考。
