[发明专利]一种基于机器学习的地质灾害危险性评价方法

权利要求书

1.一种基于机器学习的地质灾害危险性评价方法,其特征在于，包括，

步骤S1，对待评价地区的地质灾害危险性评价因子进行选择并获取，选择的地质灾害危险性评价因子包括，高程、坡度、坡向、曲率、工程地质岩组、距断层距离、距河流距离、归一化植被指数、土地利用类型、距离农村居民点距离、距路网距离、降雨量；

步骤S2，对待评价地区的各地质灾害危险性评价因子数据进行预处理，获得待评价地区的高程图、坡度图、坡向图、曲率图、工程地质分区图、距断层距离图、距河网距离图、归一化植被指数指数图、土地利用类型图、距农村居民点距离图、距路网距离图以及年平均降雨量图；

步骤S3，选择待评价地区历史数据中各地质灾害点作为正样本，确定样本空间尺度，对正样本的空间分布特征进行统计分析，选取缓冲半径并确定缓冲区，在缓冲区外随机选取若干点作为负样本，以负样本与正样本构建样本集，以各地质灾害危险性评价因子数据作为特征构建样本特征矩阵，对待评价地区进行栅格划分并确定栅格数，根据栅格数与构建的样本特征矩阵数确定待判别的数据量个数；

步骤S4，将样本集划分为训练集与测试集，选用随机森林、逻辑回归、支持向量机、朴素贝叶斯、梯度提升树五种算法进行建模，以训练集中的样本训练模型，以测试集中的样本评价模型的性能，根据上述五种算法建立各模型性能的评价指数选取预测模型，并对训练好的预测模型的特征进行重要性的排序；

步骤S5，以训练好的预测模型对待评价地区划分的各栅格进行预测，以概率的形式获得预测结果，将预测概率进行分区，以预测的面积为横坐标、以预测的成功率为纵坐标，绘制成功率曲线，根据成功率曲线的斜率进行划分，将预测结果分为，极高危险区、高危险区、中危险区、低危险区，完成评价。

2.根据权利要求1所述的基于机器学习的地质灾害危险性评价方法,其特征在于，在所述步骤S2中，将地质灾害危险性评价因子中的高程、坡度、坡向以及曲率由DEM数据处理得到高程图、坡度图、坡向图和曲率图；将待评价地区的工程地质岩组图进行矢量化获得各类工程地质岩组展布范围，形成工程地质分区图；将待评价地区基础地质图件进行矢量化，对断层的影响进行定量表征形成距断层距离图；将待评价地区河网展布进行矢量化，对河网的影响进行定量表征形成距河网距离图；对待评价地区的MODIS遥感影像进行处理，得到归一化植被指数图，以此定量表征植被的覆盖程度；对待评价土地利用类型图进行属性提取，得到农村居民点图斑，并以此制作距农村居民点距离图；将待评价地区路网布展图进行矢量化，根据定量表征路网与地质灾害点之间的距离绘制距路网距离图；获取待评价地区在多个气象站点的年降雨量数据，通过插值分析得到待评价地区的年平均降雨量图。

3.根据权利要求1所述的基于机器学习的地质灾害危险性评价方法,其特征在于，在所述步骤S3中，将各正样本点进行标记，标记为a1、a2、a3、a4…an，其中，n为正样本数，统计计算任意两正样本点ai至ar之间的距离Lx，其中，i＝1、2、3…n，r＝1、2、3…n，i≠r，再计算ai与ar在距离Lx的各正样本点占总正样本数的百分比，根据两正样本点距离与正样本百分比绘制相邻地灾点距离概率累计曲线。

4.根据权利要求3所述的基于机器学习的地质灾害危险性评价方法,其特征在于，在设定相邻地灾点距离概率累计曲线后，确定任意两正样本点之间的最大距离Lz，根据最大距离Lz对概率累计曲线进行分段，第一段的距离区间为0～Lz×(1/10)、第二段的距离区间为Lz×(1/10)～Lz×(2/10)、第三段的距离区间为Lz×(2/10)～Lz×(3/10)…第十段的距离区间为Lz×(9/10)～Lz，并计算各分段内的累计概率K1、K2、K3…K10，根据各分段内累计概率确定缓冲半径选取的区间。