基于机器学习的滑坡地质灾害预报模型研究

论文摘要

我国地域辽阔,地理环境复杂多样,地质灾害频繁发生,给人民生命财产造成了极大的危害。党和国家高度重视地质灾害防治工作,国务院专门成立灾害应急管理部,加强地质灾害防治工作,将地质灾害系统预报提到议事日程。传统的地质灾害预报系统存在监测仪器落后、布设量少、参数单一以及预报模型简单等问题,预报准确率较低。文章以滑坡地质灾害为例,通过对山阳县滑坡地质灾害影响因子的筛选,结合机器学习相关理论,对比分析多种预报模型精度,建立了基于XGBoost优化的Bagging集成预报模型,实现较高精度的滑坡地质灾害预报。文章以陕西省山阳县重点地质灾害监测项目12个监测站的监测数据为研究对象,在研究山阳县地形地貌的基础上,对其灾害发生类型、规模及分布特点进行分析,确定滑坡地质灾害发生的主要影响因素。首先基于课题组设计的滑坡地质灾害监测硬件平台,采集到研究区2014年4月到2015年4月的数据作为样本数据;其次采用核主成分分析法对滑坡灾害的影响因子降维处理,提取得到滑坡灾害的8个主要成灾因子,并运用小波结合Kalman滤波算法进行多传感器数据融合,筛选出有效的数据作为训练样本;然后分别建立RBF神经网络、支持向量机、Bagging集成学习模型,实现对滑坡灾害的预测;最后使用R~2、RMSE指标对测试集的170组数据进行模型精度分析,结果表明三种算法都取得较高的预测精度,且集成算法明显优于单个弱分类器模型的预测效果。为了进一步提高预报模型的精度,本课题使用XGBoost对集成算法参数进行优化。结果表明优化后的集成算法可以提升模型的预测精度,R~2指标均在0.9以上,相比原始集成算法平均提高了10%,进一步保证了预报数据的可靠性,同时也提高了滑坡灾害的预报精度,具有一定的理论研究与实践意义。图45幅,表13个,参考文献69篇。

论文目录

• 摘要
• abstract
• 1 绪论
•   1.1 课题来源和课题研究背景
•     1.1.1 课题来源
•     1.1.2 课题研究背景
•   1.2 研究目的和意义
•   1.3 国内外研究现状
•   1.4 课题研究的内容及技术路线
• 2 滑坡地质灾害发育特征及形成因子
•   2.1 研究区地形地貌
•   2.2 研究区地质发育特征
•     2.2.1 地质灾害主要类型及规模
•     2.2.2 地质灾害分布与规律
•   2.3 滑坡地质灾害主要诱发因素
•     2.3.1 诱发内因
•     2.3.2 诱发外因
•   2.4 本章小结
• 3 滑坡地质灾害监测预报系统
•   3.1 系统硬件平台
•     3.1.1 传感器选型及布放
•     3.1.2 监测终端
•   3.2 系统应用软件实现
•     3.2.1 滑坡地质灾害监测工作流程
•     3.2.2 数据中心软件
•   3.3 本章小结
• 4 预报模型算法基础研究
•   4.1 滑坡地质灾害预报模型的主要研究方法
•   4.2 成灾因素筛选及多传感器数据融合处理
•     4.2.1 KPCA成灾因子筛选
•     4.2.2 多传感器数据融合
•   4.3 机器学习算法
•     4.3.1 RBF神经网络
•     4.3.2 支持向量机
•     4.3.3 集成学习
•     4.3.4 XGBoost
•   4.4 模型评价标准
•   4.5 本章小结
• 5 滑坡地质灾害预报模型研究
•   5.1 数据来源及预处理
•     5.1.1 数据来源
•     5.1.2 数据预处理
•   5.2 基于RBF神经网络的预报模型研究
•     5.2.1 预报流程
•     5.2.2 模型构建
•     5.2.3 实验分析
•   5.3 基于支持向量机的预报模型研究
•     5.3.1 预报流程
•     5.3.2 SVM核函数
•     5.3.3 模型构建
•     5.3.4 实验分析
•   5.4 基于集成学习算法的预报模型研究
•     5.4.1 模型构建
•     5.4.2 实验分析
•     5.4.3 算法性能比较与分析
•   5.5 XGBoost参数优化
•   5.6 本章小结
• 6 总结与展望
•   6.1 总结
•   6.2 展望
• 参考文献
• 作者攻读学位期间发表论文清单
• 致谢

文章来源

类型: 硕士论文

作者: 李璐

导师: 温宗周

关键词: 滑坡灾害,多传感器信息融合,参数优化

来源: 西安工程大学

年度: 2019

分类: 基础科学,工程科技Ⅱ辑,信息科技

专业: 地质学,地质学,工业通用技术及设备,自动化技术

单位: 西安工程大学

基金: 陕西省工业科技攻关项目“自然灾害智能监测预警系统”(项目编号:2015GY065),西安市科技计划项目“基于大数据挖掘和深度学习的地质灾害智能监测预报系统”

分类号: TP181;P642.22

DOI: 10.27390/d.cnki.gxbfc.2019.000477

总页数: 79

文件大小: 6169K

下载量: 94