中国西南地区地震滑坡危险性分布规律研究

详细信息    查看官网全文

• 论文作者：赖自力 ; 陈建平 ; 向杰
• 年：2016
• 作者机构：中国地质大学(北京)地球科学与资源学院;北京市国土资源信息开发研究重点实验室;
• 论文关键词：地震滑坡 ; 随机森林 ; 人工神经网络 ; 受试者特征曲线
• 会议召开时间：2016-10-21
• 会议录名称：第十五届全国数学地质与地学信息学术研讨会论文集
• 英文会议录名称：Proceedings of the 15th National Workshop on Mathematical Geosciences and Geoinformatics
• 语种：中文
• 分类号：P642.2
• 学会代码：ZSYD
• 会议名称：第十五届全国数学地质与地学信息学术研讨会
• 会议地点：中国湖南长沙
• 主办单位：中国地质学会数学地质与地学信息专业委员会、中南大学、湖南省国土资源厅、湖南省地质学会
• 学会名称：中国地质学会数学地质与地学信息专业委员会
• 页数：1
• 文件大小：759k
• 原文格式：D
• 会议级别：全国

摘要

我国西南地区位于青藏高原东侧,由于受到青藏高原近百万年来的持续隆升作用,其地形条件复杂,地质环境脆弱。根据中国地震台网中心的监测数据可知,该地区大陆强震活动频繁,现处于地震的高发期,因地震而导致的滑坡灾害也异常严重。本文以2008年以来的汶川地震、芦山地震、鲁甸地震为研究对象,基于机器学习理论以及西南地区的地质背景,将人工智能领域的随机森林算法应用到地震滑坡危险性研究,并以成熟的人工神经网络为对照,选取受试者特征曲线(ROC)测试算法的精度与可行性,并运用因子分析法探讨断层、地震峰值加速度(PGA)、海拔高度、坡度、坡向、起伏度、植被覆盖以及河流因素的影响程度。在三个区域的研究中,地震峰值加速度(PGA)、海拔高度和河流3大影响因素的影响程度均高于85,其余因素在75以下。随机森林在三个区域的精度分别为91.8%、89.1%和78.6%,平均精度为86.5%,人工神经网络的平均精度为77.1%。该结果表明西南地区的地震滑坡普遍受到地震峰值加速度(PGA)、海拔高度和河流的影响,这与西南地区高山峡谷的地形环境有着密切联系。通过与人工神经网络的对比研究,可见随机森林算法的精度与鲁棒性较高,可为今后的地震滑坡危险性研究提供一定参考。

引文