[发明专利]基于支持向量机的滑坡易发性评估方法及工具

说明书

本发明提供了一种基于支持向量机的滑坡易发性评估方法及工具，通过数据采集、数据预处理、数据集生成、特征选择、模型训练和易发性图预测这几个过程，预测得到待预测区域的滑坡易发性指数，并生成研究区的滑坡易发性图进行后续分析。本发明包含整个易发性制图的流程，减少了跨平台操作的麻烦；同时相比于现有技术基于滑动窗口的易发性预测过程较耗时的方案，本工具提供一种多进程快速预测的基于支持向量机的滑坡易发性评估工具，充分提高滑坡易发性图的制作效率。

技术领域

本发明属于滑坡灾害评估领域，具体涉及一种基于支持向量机的滑坡易发性评估方法及工具。

背景技术

滑坡易发性评价是综合分析研究区内的各种地质环境因素、历史滑坡数据、滑坡的物理规律等要素，确定研究区内未来发生滑坡的概率。近年来，滑坡易发性制图工作已经引起了很多学者的关注，各类基于此的文章被发表。生成滑坡易发性图的方法主要有基于专家经验的经验模型、基于数据驱动的统计模型和机器学习模型。与传统方法相比，机器学习模型不依赖专家经验，降低了评价结果的主观性，准确性高。随着地理信息系统(GIS)软件以及开源机器学习库的发展，机器学习方法越来越受欢迎，与其他机器学习算法相比，支持向量机(SVM)方法因其在解决小样本、非线性和高维的分类问题上具有一定优势，在计算滑坡易发性方面得到了广泛应用。

使用SVM开展滑坡易发性评估虽然准确性高，但过程较复杂，涉及数据预处理、影响因子筛选、数据集制作、模型训练及预测等多个步骤，通常使用SVM开展滑坡易发性制图工作时，研究人员需要跨多个平台开展工作，如坡度、坡向等基于数字高程模型(DEM)制作的地形因子，依靠ArcGIS或QGIS等平台；模型训练及参数优化通常使用Python、R或Matlab等已经被广泛使用的编程语言；此外，大多数研究中使用Excel、SPSS软件或编程语言进行模型精度评定及统计分析。

目前，部分文献提出并应用了几种工具来评估滑坡易发性。Osna et al.(2014)等人开发了一个利用Mamdani模糊推理系统(FIS)绘制滑坡易发性图的独立应用程序(GeoFIS)。Sezer et al.(2017)等人为Netcad架构软件开发了一个基于专家经验的LSM模块。Jebur et al.(2015)等人基于ArcGIS创建了一个基于双变量统计分析(BSA)的滑坡易发性制图工具箱。Zhang et al.(2020)等人提供了一种基于优化的频率比(FR)法的滑坡易发性评估工具，该工具基于ArcGIS平台。Torizin et al.(2022)等人提供了一种Python编写的独立滑坡易发性评估应用程序——Project Manager Suite(LSAT PM)。Bragagnoloet al.(2020)等人了开发了一个基于开源地理信息系统(GIS)GRASS软件的一个免费开源插件r.landslide来基于人工神经网络生成滑坡易发性图。Sahin et al.(2020)等人基于R与ArcGIS软件的集成了一个基于逻辑回归和随机森林的滑坡易发性评价工具包(LSM toolPack)。

现有工具箱大多是基于专家经验的模型或统计模型，如证据权法、频率比法等。这种方法原理简单，易于实施，但精度较差。此外，某些工具在使用过程中所需参数量较大，给使用者带来一些不必要的麻烦，且某些因子或机器学习参数的选取需要一定程度的专业知识，因此，这些工具对用户并不友好。

此外，大多数滑坡易发性评估工作过程较复杂，涉及数据预处理、影响因子筛选、数据集制作、模型训练及预测等多个步骤，研究人员通常需要跨多个平台开展工作，跨平台操作较为麻烦。

发明内容

为了解决现有技术中存在的上述问题，本发明提供了一种基于支持向量机的滑坡易发性评估方法及工具。本发明要解决的技术问题通过以下技术方案实现：

第一方面，本发明提供的一种基于支持向量机的滑坡易发性评估方法包括：

获取覆盖待预测区域的历史地形地质数据；

其中，所述历史地形地质数据包括滑坡的各项影响因子以及滑坡点数据；