[发明专利]一种Bagging滑坡预报方法

说明书

本发明公开了一种Bagging滑坡预报方法，具体按照以下步骤实施：步骤1、采用核主成分分析法进行滑坡成灾因子选取；步骤2、利用步骤1得到的数据构建基于Bagging的滑坡地质灾害预报模型；步骤3、采用XGBoost优化Bagging算法，完成滑坡预报。解决了现有技术中存在的精确度低的问题。

技术领域

本发明属于滑坡位移预测技术领域，涉及一种Bagging滑坡预报方法。

背景技术

地质灾害是在自然演变或人为因素的影响下，对人民生命财产有极大危害的自然现象，包括地震、泥石流、滑坡、崩塌、火山岩浆爆发等。我国幅员辽阔，地形条件复杂多样，尤其在山区等地，地质构造运动剧烈，同时由于居民对山区的改建等不合理的人类活动，地质灾害频繁发生。根据 2009-2018年我国灾害发生的相关数据的分类统计，国内滑坡灾害占总发生量的65％，因此预测滑坡灾害的发生是非常有必要的。我国对滑坡灾害的研究起步虽晚，但也已经取得不错的成果。但从已有的研究成果来看，多数研究人员选取了单一模型预测，存在精确度较低等问题。

发明内容

本发明的目的是提供一种Bagging滑坡预报方法，解决了现有技术中存在的精确度低的问题。

本发明所采用的技术方案是，一种Bagging滑坡预报方法，具体按照以下步骤实施：

步骤1、采用核主成分分析法进行滑坡成灾因子选取；

步骤2、利用步骤1得到的数据构建基于Bagging的滑坡地质灾害预报模型；

步骤3、采用XGBoost优化Bagging算法，完成滑坡预报。

本发明的特点还在于：

步骤1具体按照以下实施：通过核主成分分析法来筛选滑坡灾害的主要影响因子，对因子的重要性进行排序与选择，减少了模型训练中的时间及步数；由于高维空间中成灾因子的选取是一个非线性的问题，KPCA方法由于算法简单、重构误差较小且易解决非线性问题等优势，成为降维筛选的一种有效方法；筛选过程如下：

假设样本集：X＝{x₁,x₂,…x_M}，其中x_k∈R^N为列向量；M为样本总数。

协方差矩阵如式(1)所示。

其中，为满足的非线性映射。

对C进行特征分解：令λv＝Cv；其中特征向量v是由组成的空间。

当所有特征值λ≥0时，得到式(2)的表达式：

式中：k＝1,2,…,M，v_r为的线性组合：

定义M×M维矩阵K，定义内积为式中i,j＝1,2,…,M，将式(1)和式(2)带入式(3)得：

Mλ^rc^r＝Kc^r (4)

其中，Mλ^r和c^r是对应于K的特征值和特征向量。求得样本在特征向量的投影：

式中，r＝p,p+1,…,M，g(x)为对应于的非线性主元分量，所有投影形成一个矢量；

求解g(x)时，利用Mercer定理，使用核函数：

代替空间的点积运算，则：