[发明专利]基于信息量与随机森林的泥石流易发性预测方法

说明书

本发明公开了基于信息量与随机森林的泥石流易发性预测方法，包括：S100：针对待预测区域选取影响因子；S200：根据信息量原理计算各影响因子的信息量值，并将待预测区域划分为不同灾害风险等级；S300：根据各影响因子的信息量值确定各影响因子权重；S400：从低易发区和较低易发区中随机生成与历史泥石流等量的非泥石流点；S500：将非泥石流点与历史泥石流点组合，训练随机森林得到泥石流易发性模型；S600：基于GIS将待预测区域划分为栅格单元，将各栅格单元输入到泥石流易发性模型，得各栅格单元的泥石流易发性值，从而对待预测区域重新进行灾害风险等级划分。本发明可提高泥石流预测准确度；经与GIS结合应用，可提高实用性。

技术领域

本发明属于自然灾害风险评价技术领域，具体涉及基于信息量与随机森林的泥石流易发性预测方法。

背景技术

目前泥石流易发性评价方法主要包括数理统计法和机器学习法结合GIS技术。数理统计法大多通过赋权法确定各因子权重，目前主流的赋权法有层次分析法、专家打分法等；以上赋权法均带有强烈的主观性，不能很好反应客观规律，预测准确度较低。机器学习法是通过训练模型来预测灾害发生概率，该方法对数据分布无严格要求。常用模型包括随机森林、神经网络、支持向量机等；其中随机森林模型(RF模型)属于监督学习范畴，该模型对样本数据噪声容忍度较高，预测精度也较高，近几年逐渐被应用于地质灾害易发性评估中，并取得了一定效果。

训练RF模型需要选取非泥石流点。目前选择非泥石流点的栅格单元主要以随机选择或主观推测为主，主要分为(1)以泥石流单元为界向外做缓冲得到非泥石流单元；(2)在发生泥石流之外的区域选择非泥石流单元。以上方法都带有较强的随机性，并不能保证选取的非泥石流点位于低易发区；具有较大偶然性造成样本数据选取不合理，很大程度影响了模型的预测精度。

发明内容

本发明的目的是为了解决背景技术中提出的问题，提供了基于信息量与随机森林的泥石流易发性预测方法及系统。本发明将信息量与随机森林结合，可有效解决随机森林模型存在的非泥石流点选取不当、预测精度有待提高的问题。

本发明的技术方案如下：

基于信息量与随机森林的泥石流易发性预测方法，包括：

S100：针对待预测区域选取影响泥石流发生的影响因子；

S200：根据信息量原理计算各影响因子的信息量值，利用信息量值将待预测区域划分为不同灾害风险等级，所述灾害风险等级包括高易发区、较高易发区、中易发区、低易发区、较低易发区；

S300：根据各影响因子的信息量值确定各影响因子权重；

S400：从低易发区和较低易发区中随机生成与历史泥石流等量的非泥石流点；

S500：将非泥石流点与历史泥石流点组合，取其中部分作为样本集对随机森林进行训练，剩余部分作为测试集，经训练得到泥石流易发性模型；

S600：基于GIS将待预测区域划分为栅格单元，将各栅格单元输入到泥石流易发性模型，得各栅格单元的泥石流易发性值，基于泥石流易发性值对待预测区域重新进行灾害风险等级划分。

在一些具体实施方式中，步骤S100还包括对选取的影响因子进行相关性检验，保留相互独立的影响因子。

在一些具体实施方式中，影响因子包括高程、坡度、坡向、平面曲率、剖面曲率、距河流距离、距道路距离和土地类型。

在一些具体实施方式中，步骤S200具体包括：

利用GIS采用等间距法和自然断点法对连续型影响因子进行重分类为不同类别X_i，分别计算不同类别对泥石流发生W的影响值

计算影响因子的总信息量值利用总信息量值进行灾害风险等级划分；