基于不确定聚类分析的区域滑坡危险性评价方法研究

结题报告

项目介绍

AI项目解读

基本信息

批准号：
41562019
项目类别：
地区科学基金项目
资助金额：
40.0万
负责人：
毛伊敏
依托单位：
江西理工大学
学科分类：
D0706.环境地质学
结题年份：
2019
批准年份：
2015
项目状态：
已结题
起止时间：
2016-01-01 至2019-12-31

项目参与者：
胡健；薛强；卢志刚；高波；谢小云；余艳枝；高晓东；张灿龙；周昭飞；
关键词：
滑坡风险评估与管理

项目摘要

There are two major issues with these landslide hazard assessment methods based on traditional clustering analysis, which are:1)the difficulty to assess landslide hazard in complex topography, geomorphology research area and 2)the difficulty to quantify the values of triggering factors (such as rainfall ).This project will first adopt the classical ideas of hierarchical clustering and density clustering to construct assessment methods of landslide hazard in order to provide better assessment model. Secondly, it will use the combined similarity method to quantify the values of rainfall to depict triggering factors (such as rainfall).Thirdly, it will design the search method and the expert evaluation method to quantify the danger levels of clustering subsets. Fourthly, it will establish three algorithms including uncertain agglomerative hierarchicalty, dynamic model hierarchy and density connectivity to construct assessment methods of landslide hazard in order to enhance the reliability and accuracy of landslide hazard assessment. Finally, these models will be evaluated and compared.

针对传统的聚类分析区域滑坡危险性评价方法难以处理复杂地形、地貌研究区的滑坡危险性评价和难以刻画滑坡诱发因素（降雨）值等问题，本项目采用聚类分析层次和密度的经典算法构建区域滑坡危险性评价模型，解决提供更好区域滑坡危险性评价方法；采用组合相似度方法刻画降雨值，解决降雨值刻画问题；设计“搜索法”与“专家评价法”相结合的办法和“专家评价法”两种方法解决聚类子集危险性等级值确定的问题；设计不确定凝聚层次算法、动态建模层次算法和密度连通性算法构建区域滑坡危险性评价方法，解决区域滑坡危险性评价方法准确性、可靠性提高的问题；最后对所提出的3种模型进行论证、评价和比较。

结项摘要

挖掘聚类分析是一种常用非监督分类法，它以统计学形式将具有相似特征的数据进行归类，已被广泛应用于军事、经济、金融、电信等领域。目前采用聚类分析的区域滑坡危险性评价方法需人工设置参,不能形成任意簇和有效刻画诱发因素雨量值，造成聚类效果差，导致预测精度低。本项目的研究重点是设计有效刻画雨量值及无需依赖参数设置和能形成任意形状簇的不确定聚类算法及算法在区域滑坡危险性评价中的应用。因此本课题开展了如下的工作：（1）基于凝聚层次聚类算法的思想和不确定数据模型距离公式，设计了不确定PAHT、U-DIANA和KDEB-PDCA聚类算法，构建滑坡预测模型；（2）基于动态建模层次聚类算法思想和和不确定数据模型距离公式，设计了不确定EFCN-ID、近似骨架蚁群和IM-K-means聚类算法，构建滑坡预测模型；（3）基于密度连通聚类算法思想和和不确定数据模型距离公式，设计了不确定NNSB-OPTICS、TDBSCAN和ADBSCAN聚类算法，构建滑坡预测模型；（4）签于基于网格思想的聚类算法聚类效果良好，算法时间复杂度低等优点，设计了不确定GM-CFSFDF聚类算法，构建滑坡预测模型。再由于小波算法有效处理高维数据，对参数不敏感及能形成任何形状的簇，设计不确定小波聚类算法，构建滑坡预测模型；（5）设计“搜索法”与“专家评价法”相结合的方法和“滑坡灾害点密度”方法确定研究区滑坡灾害危险性区划等级；（6）用上述方法，结合黄土高原区特殊的地质环境条件和黄土地质灾害特征，利用易于获得的各种来源的数据，构建了绥德县滑坡危险性评价图，然后对上述算法进行了实际应用中的效果、适用范围及模型的优缺点等的比较，为地质灾害风险减缓提供技术平台。