基于地質(zhì)大數(shù)據(jù)的泥石流災(zāi)害易發(fā)性評價(jià)

張永宏，葛濤濤，田 偉，夏廣浩，何 靜

(1.南京信息工程大學(xué) 信息與控制學(xué)院，南京210044； 2.南京信息工程大學(xué) 計(jì)算機(jī)與軟件學(xué)院，南京 210044)(*通信作者電子郵箱tw@nuist.edu.cn)

0 引言

隨著大數(shù)據(jù)時代的到來，大數(shù)據(jù)所創(chuàng)造的價(jià)值滲透在當(dāng)今生活的方方面面，已成為高校和企業(yè)的重點(diǎn)研究對象。傳統(tǒng)方法難以處理量大、異構(gòu)、更新快速的數(shù)據(jù)[1]，而神經(jīng)網(wǎng)絡(luò)特征提取能力強(qiáng)，易于整合多源信息，對動態(tài)變化的數(shù)據(jù)適應(yīng)性高的特點(diǎn)，足夠使其成為大數(shù)據(jù)價(jià)值轉(zhuǎn)化的紐帶；同時，大數(shù)據(jù)也為神經(jīng)網(wǎng)絡(luò)訓(xùn)練供應(yīng)了足夠多的訓(xùn)練樣本。伴隨著計(jì)算機(jī)軟硬件技術(shù)的發(fā)展，神經(jīng)網(wǎng)絡(luò)應(yīng)用到了各個領(lǐng)域，如語音大數(shù)據(jù)分析[2]、醫(yī)學(xué)大數(shù)據(jù)分析[3]、農(nóng)業(yè)大數(shù)據(jù)分析[4]以及電力大數(shù)據(jù)分析[5]等，大數(shù)據(jù)結(jié)合神經(jīng)網(wǎng)絡(luò)已成為當(dāng)下推動社會與科學(xué)發(fā)展的重要動力。

長期地質(zhì)調(diào)查工作積累了大量的地質(zhì)原始數(shù)據(jù)，通過遙感、鉆探、物探等手段獲得多源、多模態(tài)、多時態(tài)的地質(zhì)數(shù)據(jù)具有大數(shù)據(jù)的典型特性，即地質(zhì)大數(shù)據(jù)。泥石流是發(fā)生在山區(qū)的一種突發(fā)性地質(zhì)災(zāi)害，其易發(fā)性評價(jià)以地質(zhì)環(huán)境為基礎(chǔ)，根據(jù)地質(zhì)災(zāi)害現(xiàn)狀，靜態(tài)考察泥石流災(zāi)害在一定區(qū)域內(nèi)發(fā)生的可能性大小，它的強(qiáng)弱同時受多種外在因素和內(nèi)在因素的共同影響[6]。泥石流易發(fā)性評價(jià)的實(shí)施可以為當(dāng)?shù)毓苍O(shè)施建立、居民人生安全以及防災(zāi)減災(zāi)提供巨大幫助。

目前比較常用的泥石流易發(fā)性的評價(jià)方法有層次分析法[7]、模糊數(shù)學(xué)[8-9]、邏輯回歸[6]等，也有學(xué)者將已有方法結(jié)合使用，取長補(bǔ)短[10]。這些算法在取得不錯成績的同時也存在一些不足之處，如:層次分析法指標(biāo)體系的提出需要有專家系統(tǒng)的支持，且泥石流指標(biāo)維度較多，標(biāo)度工作量太大；模糊綜合評價(jià)計(jì)算復(fù)雜，確定泥石流指標(biāo)權(quán)重向量時過于主觀，造成泥石流易發(fā)性評價(jià)精度不高；邏輯回歸屬于廣義線性回歸模型，泥石流易發(fā)性評價(jià)指標(biāo)中的多重共線性問題對其影響較大。

從上述傳統(tǒng)泥石流易發(fā)性評價(jià)方法來看，它們存在一些共同的局限性：評價(jià)主觀，難以處理多維度的大數(shù)據(jù)信息。神經(jīng)網(wǎng)絡(luò)具有良好的非線性映射能力，能夠在海量地質(zhì)數(shù)據(jù)中揭示數(shù)據(jù)內(nèi)部聯(lián)系，對未來作出精準(zhǔn)的預(yù)測，在泥石流易發(fā)性評價(jià)應(yīng)用中成果顯著[11]; 然而神經(jīng)網(wǎng)絡(luò)存在學(xué)習(xí)速度慢，難以處理非平衡數(shù)據(jù)等問題，使其作用得不到充分發(fā)揮，并且面對地質(zhì)大數(shù)據(jù)，無法找出輸入指標(biāo)對易發(fā)性的影響程度。針對傳統(tǒng)方法的不足，本文基于神經(jīng)網(wǎng)絡(luò)，結(jié)合Borderline-SMOTE(Synthetic Minority Oversampling TEchnique)算法，遺傳算法(Genetic Algorithm, GA)和平均影響值(Mean Impact Value, MIV)算法對影響泥石流發(fā)生的地質(zhì)大數(shù)據(jù)進(jìn)行分析與挖掘，并建立泥石流易發(fā)性評價(jià)模型。實(shí)驗(yàn)證明，在研究地處“一帶一路”重要節(jié)點(diǎn)之一的雅魯藏布江中上游流域泥石流孕災(zāi)環(huán)境的基礎(chǔ)上，使用TensorFlow框架搭建的神經(jīng)網(wǎng)絡(luò)結(jié)合優(yōu)化算法可以對研究區(qū)域內(nèi)山地泥石流災(zāi)害易發(fā)性進(jìn)行準(zhǔn)確的評價(jià)。

1 泥石流易發(fā)性評價(jià)模型框架

為了應(yīng)對區(qū)域泥石流易發(fā)性評價(jià)所面臨的挑戰(zhàn)，本文構(gòu)建了一種能夠客觀準(zhǔn)確地評價(jià)區(qū)域泥石流易發(fā)性的模型框架，如圖1所示。本框架一共包含5層，自下而上分別為數(shù)據(jù)層、學(xué)習(xí)框架層、易發(fā)性評價(jià)方法層、易發(fā)性評價(jià)技術(shù)層以及應(yīng)用層。該泥石流易發(fā)性評價(jià)框架中，各個層次核心功能描述如下：

數(shù)據(jù)層 數(shù)據(jù)層主要提供遙感圖像，地形圖，地質(zhì)圖，災(zāi)害歷史事件等基礎(chǔ)資料。對地質(zhì)大數(shù)據(jù)數(shù)據(jù)庫的管理包括定義、檢索、修改、增減等操作，并建立數(shù)據(jù)字典。由于泥石流溝的基礎(chǔ)數(shù)據(jù)以及各種孕災(zāi)環(huán)境因子處于動態(tài)變化之中，所以該層應(yīng)具有開放性，有利于隨時更新和維護(hù)數(shù)據(jù)庫中的存儲數(shù)據(jù)。

學(xué)習(xí)框架層 TensorFlow學(xué)習(xí)框架能夠在多種運(yùn)行環(huán)境下使用，并且在前端支持多種主流語言調(diào)用其API(Application Programming Interface)。該框架封裝了當(dāng)下流行的眾多神經(jīng)網(wǎng)絡(luò)模型，可以根據(jù)需要構(gòu)建和實(shí)現(xiàn)所需要的網(wǎng)絡(luò)模型。本文在Windows系統(tǒng)下調(diào)用TensorFlow框架，通過import命令導(dǎo)入待使用的數(shù)據(jù)庫，并使用Python編程語言搭建能夠準(zhǔn)確評價(jià)泥石流易發(fā)程度的學(xué)習(xí)架構(gòu)。

易發(fā)性評價(jià)方法層 泥石流成災(zāi)條件復(fù)雜，影響其易發(fā)程度的因素隨機(jī)且模糊。BP(Back Propagation)神經(jīng)網(wǎng)絡(luò)無須建立確定的模型，只需根據(jù)一定量的樣本來學(xué)習(xí)研究對象的內(nèi)部結(jié)構(gòu)，便可完成輸入集合與輸出結(jié)果之間的非線性映射。網(wǎng)絡(luò)采取隨機(jī)初始化的方式獲取權(quán)值和閾值，導(dǎo)致分類效率低下，易陷入局部最優(yōu), 因此，采用遺傳算法搜索全局最優(yōu)權(quán)值和閾值，可縮減訓(xùn)練時間，提升網(wǎng)絡(luò)的泛化性能。

易發(fā)性評價(jià)技術(shù)層 在易發(fā)性評價(jià)過程中，分類器能夠?qū)︻悇e分布均衡的數(shù)據(jù)作較為精準(zhǔn)的分類; 然而，實(shí)際生活中，不同易發(fā)等級的數(shù)據(jù)極不平衡, 且雖然網(wǎng)絡(luò)能夠逼近任意非線性關(guān)系，但是難以表達(dá)輸入指標(biāo)與模型的相關(guān)性, 因此，需要設(shè)計(jì)易發(fā)性評價(jià)方法優(yōu)化技術(shù)，在解決類別間數(shù)據(jù)不平衡問題對分類器影響的同時篩選輸入指標(biāo)。分別采用重采樣技術(shù)和平均影響值算法，達(dá)成上述優(yōu)化目標(biāo)。

應(yīng)用層 泥石流易發(fā)性評價(jià)實(shí)際應(yīng)用中，將已知的歷史災(zāi)害數(shù)據(jù)集按訓(xùn)練集、驗(yàn)證集、測試集進(jìn)行合理的分配。設(shè)網(wǎng)絡(luò)的訓(xùn)練樣本數(shù)據(jù)集為{(x1,d1), (x2,d2),…,(xm,dm)}，xi為泥石流i的特征向量，di為對應(yīng)的泥石流易發(fā)性等級標(biāo)簽，di∈{1,2,…,r}，r為標(biāo)簽的類別數(shù)，m為訓(xùn)練的樣本個數(shù)。基于泥石流易發(fā)性評價(jià)方法層和技術(shù)層，實(shí)現(xiàn)類別不平衡數(shù)據(jù)下，根據(jù)輸入孕災(zāi)環(huán)境，快速準(zhǔn)確地評價(jià)區(qū)域泥石流易發(fā)性，并獲取影響當(dāng)?shù)啬嗍靼l(fā)生的主要影響因子。

圖1 泥石流易發(fā)性評價(jià)模型框架

2 泥石流易發(fā)性評價(jià)方法

本文對于泥石流易發(fā)性的評價(jià)包含兩個基本過程：基于神經(jīng)網(wǎng)絡(luò)的泥石流易發(fā)性模型搭建及其技術(shù)優(yōu)化，所以將泥石流易發(fā)性評價(jià)問題劃分為以下3個步驟：

1)從采集到的泥石流災(zāi)害系統(tǒng)的眾多影響因子中提取能夠準(zhǔn)確反映區(qū)域特征的泥石流易發(fā)性評估指標(biāo)，對其作歸一化和過采樣Borderline-SMOTE的處理；

2)構(gòu)建評價(jià)泥石流易發(fā)性神經(jīng)網(wǎng)絡(luò)模型，將過采樣后的訓(xùn)練數(shù)據(jù)輸入到網(wǎng)絡(luò)進(jìn)行訓(xùn)練，調(diào)整并確定模型參數(shù)，并對已經(jīng)確定結(jié)構(gòu)的神經(jīng)網(wǎng)絡(luò)采用遺傳算法進(jìn)行優(yōu)化，找到全局最優(yōu)權(quán)值和閾值，提升模型的效率和泛化性能；

3)使用MIV算法探討指標(biāo)因子與上述GA_BP模型的相關(guān)性，刪減冗余信息，最后通過網(wǎng)絡(luò)Softmax分類器計(jì)算模型輸出結(jié)果。

技術(shù)路線圖如圖2所示。

圖2 泥石流易發(fā)性分類技術(shù)路線

最后采用基于受試者工作特征曲線(Receiver Operating Characteristic Curve, ROC)分析的AUC(Area Under the Curve)方法評估模型的準(zhǔn)確性和可靠性。

2.1 重采樣技術(shù)

過采樣技術(shù)在解決數(shù)據(jù)不平衡分類問題中具有廣泛的應(yīng)用價(jià)值[12-13]。在山地災(zāi)害研究中，往往可以發(fā)現(xiàn)，中易發(fā)性的地區(qū)占絕大多數(shù)，而其他易發(fā)性的地區(qū)是相對較少的。分類過程中，少數(shù)類數(shù)據(jù)稀少是影響神經(jīng)網(wǎng)絡(luò)分類精度的主要原因之一。本文使用一種基于邊界的SMOTE算法(Borderline-SMOTE)，其具體的方法為：

首先使用K近鄰算法計(jì)算少數(shù)類樣本集T中每一個樣本在訓(xùn)練集x中的K近鄰樣本集P，并分析其中屬于多數(shù)類樣本集T′的比例：若多數(shù)類樣本占少數(shù)則直接將該樣本放回少數(shù)類樣本集；若多數(shù)類樣本占多數(shù)則將該樣本作為邊界樣本，放至邊界(Borderline)集合F中。計(jì)算邊界樣本集中每個樣本Ti在T中的K近鄰，并從中隨機(jī)選取一個樣本Tj，使用Ti與Tj結(jié)合SMOTE算法，由式(1)生成新的少數(shù)類樣本Tnew，合成的新樣本Tnew加入到原始樣本集形成新的樣本集Xinput。

Tnew=Ti+random(0,1)*|Ti-Tj|

(1)

算法描述偽代碼如下：

算法1 過采樣。

InputK,m,T,T′,x；

OutputXinput。

1)

fori=1 to |T| do

2)

計(jì)算少數(shù)類樣本中Ti在訓(xùn)練集x中的K近鄰集合P;

3)

if (K/2<|P∩T′|

4)

將Ti加入到邊界集合F中;

5)

計(jì)算集合F中元素在少數(shù)類樣本的K近鄰;

6)

end if

7)

end for

8)

z=|T′|-|F|;

9)

whilez≠0 do

10)

隨機(jī)選擇集合F中的Ti;

11)

diff=Ti與其近鄰Tj之間的距離;

12)

gap=0到1之間的隨機(jī)數(shù);

13)

Tnew=Ti+gap*diff;

14)

Xinput=Tnew∪x

15)

z=z-1;

16)

end while

17)

returnXinput

2.2 易發(fā)性分類方法

人工神經(jīng)網(wǎng)絡(luò)(Artificial Neural Network, ANN)是一種模仿生物神經(jīng)系統(tǒng)處理信息的數(shù)學(xué)模型，BP神經(jīng)網(wǎng)絡(luò)作為ANN中最精華的部分，通常具有3層及以上的網(wǎng)絡(luò)結(jié)構(gòu)，包括輸入層、輸出層以及隱藏層， 其功能包括信號的前向傳播和誤差的反向傳播。

由于網(wǎng)絡(luò)各層的激活函數(shù)和學(xué)習(xí)規(guī)則等存在差異，所以在神經(jīng)網(wǎng)絡(luò)的輸入端應(yīng)對重采樣后的數(shù)據(jù)使用歸一化算法，定義如下：

xnew=(xij-xi_min)/(xi max-xi_min)

(2)

樣本x完成歸一化后，樣本集Xinput離開輸入層進(jìn)入隱藏層，經(jīng)傳遞函數(shù)(如Tanh、Relu等函數(shù)，經(jīng)實(shí)驗(yàn)對比，本文使用Tanh函數(shù))激活后繼續(xù)往下一層傳遞，直至輸出層，各層輸出公式為：

(3)

其中:f(·)表示傳遞函數(shù)；θ={w,b}表示網(wǎng)絡(luò)參數(shù)，其中w為權(quán)重，b為閾值。網(wǎng)絡(luò)的輸出層采用Softmax分類器進(jìn)行分類識別，其公式定義為：

(4)

式中：p(di=k|xi)表示樣本xi識別為第k個類別的概率；hλ(xi)是r行1列的向量，即r個類別分類器輸出的也是一個r維向量，所有行元素之和為1；λ1,λ2,…,λr∈Rn+1是分類器的參數(shù)，且構(gòu)成參數(shù)矩陣λ。對于xi，選擇輸出向量中最大概率對應(yīng)的k值作為分類結(jié)果。

模型的訓(xùn)練目標(biāo)是通過尋找一組最優(yōu)參數(shù)θ*={w*,b*}，使預(yù)測值與實(shí)際值誤差最小，即在訓(xùn)練過程中，使代價(jià)函數(shù)J(λ)達(dá)到最小，代價(jià)函數(shù)J(λ)定義為：

(5)

式中：1{·}是一個指示性函數(shù)，大括號里的值為真返回1； 否則返回0。經(jīng)過實(shí)驗(yàn)，利用誤差逆?zhèn)鞑ズ虯dam優(yōu)化算法可實(shí)現(xiàn)式(5)達(dá)到最小，結(jié)束訓(xùn)練。

由上可知，BP算法的權(quán)重和閾值對學(xué)習(xí)結(jié)果存在很大影響，而網(wǎng)絡(luò)采用隨機(jī)初始化的方式使其存在波動、難以收斂或訓(xùn)練速度慢的問題，最終導(dǎo)致學(xué)習(xí)結(jié)果不理想。遺傳算法是一種基于自然選擇和遺傳變異等自然界進(jìn)化過程的計(jì)算模型，具有很強(qiáng)的全局搜索能力和全局優(yōu)化性能[14]。遺傳算法將前述神經(jīng)網(wǎng)絡(luò)中的初始權(quán)值和閾值作為種群中的個體，采用二進(jìn)制編碼為其編碼，編碼長度由BP神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)而定，包括網(wǎng)絡(luò)層數(shù)及各層節(jié)點(diǎn)數(shù)。其中隱層神經(jīng)元個數(shù)通常由式(6)確定：

(6)

式中:l為隱層節(jié)點(diǎn)數(shù)，n為輸入層節(jié)點(diǎn)數(shù)，r為輸出層節(jié)點(diǎn)數(shù)，α為整數(shù)，取值范圍為1～10。一組個體的集合作為種群(pop)，種群規(guī)模應(yīng)根據(jù)具體問題選擇合適的數(shù)量，初始種群規(guī)模設(shè)為S；最大遺傳代數(shù)設(shè)為Gen。遺傳算法優(yōu)化神經(jīng)網(wǎng)絡(luò)權(quán)值和閾值主要分為兩步: 第一步, 構(gòu)造適應(yīng)度函數(shù)用于考察個體的優(yōu)劣情況，本文設(shè)定為神經(jīng)網(wǎng)絡(luò)代價(jià)函數(shù)的倒數(shù)。輸出值與期望值之差越小，適應(yīng)度值越高，個體越有優(yōu)勢，反之則會在進(jìn)化過程中被淘汰。 第二步，進(jìn)行遺傳操作：1)根據(jù)計(jì)算的適應(yīng)度，進(jìn)行個體的選擇。首先通過最優(yōu)策略選出適應(yīng)度最高的最佳個體，直接遺傳給下一代種群，其余個體通過概率值進(jìn)行選擇，公式如下：

(7)

其中fi為個體i的適應(yīng)度值。2)選擇種群中的一對作為父體，以一定的交叉概率Pc進(jìn)行交叉配對，產(chǎn)生另外兩個新個體。3)隨機(jī)選擇種群中的個體，以特定概率Pm進(jìn)行變異，即通過改變個體中的某一基因位而產(chǎn)生新個體。4)最后進(jìn)行循環(huán)操作，當(dāng)遺傳代數(shù)小于最大遺傳次數(shù)時，轉(zhuǎn)至第一步，繼續(xù)運(yùn)行。直至指定的進(jìn)化次數(shù)時停止運(yùn)行，從種群中選擇適應(yīng)度最高的個體，輸出對應(yīng)的權(quán)值w和閾值b。最后將這組權(quán)值和閾值應(yīng)用于BP神經(jīng)網(wǎng)絡(luò)中，當(dāng)達(dá)到目標(biāo)準(zhǔn)確率(Aim_accuracy)時，結(jié)束訓(xùn)練，輸出分類結(jié)果。算法偽代碼描述如下：

算法2 遺傳神經(jīng)網(wǎng)絡(luò)(GA_BP)。

輸入Pm,Pc,Gen,Aim_accuracy,S,Xinput；

輸出 GA_BP網(wǎng)絡(luò)結(jié)構(gòu)和參數(shù)。

1)

初始化遺傳算法的參數(shù)和種群pop;

2)

t=0;

3)

while(t

4)

基于Xinput數(shù)據(jù)集計(jì)算S組w和b的網(wǎng)絡(luò)誤差;

5)

計(jì)算個體適應(yīng)度;

6)

根據(jù)適應(yīng)度，從pop(t) 中選擇優(yōu)質(zhì)下一代pop(t+1);

6)

if (random(0,1)

7)

執(zhí)行交叉操作;

8)

end if

9)

if (random(0,1)

10)

執(zhí)行變異操作;

11)

end if

12)

end while

13)

選擇具有最佳適應(yīng)度的一組w和b;

14)

accuracy=0

15)

while(accuracy

16)

使用最優(yōu)w和b迭代計(jì)算輸出結(jié)果;

17)

計(jì)算準(zhǔn)確率;

18)

最小化損失函數(shù);

19)

更新w和b;

20)

end while

21)

return GA_BP網(wǎng)絡(luò)結(jié)構(gòu)和參數(shù)

2.3 指標(biāo)因子評價(jià)

影響泥石流易發(fā)性的因子眾多，在構(gòu)建泥石流易發(fā)性模型時，應(yīng)該考慮特征因子影響力的大小，但是神經(jīng)網(wǎng)絡(luò)無法從已有的特征中確定特征所占的權(quán)重。MIV值可作為確定輸入神經(jīng)元對輸出神經(jīng)元影響大小的指標(biāo)[15]，所以本文使用該算法確定泥石流易發(fā)性分類中各個因素與網(wǎng)絡(luò)的相關(guān)程度，刪減冗余信息，提升分類精度和速度，同時可為研究人員野外勘察提供參考。具體過程如下：

將訓(xùn)練樣本Xinput中每一個樣本在其原有基礎(chǔ)上加減10%，形成兩個新的訓(xùn)練樣本A1、A2。將這兩個新的訓(xùn)練樣本代入已經(jīng)訓(xùn)練好的網(wǎng)絡(luò)中，得到另外兩個仿真結(jié)果B1、B2。將B1-B2的值作為改變該特征對輸出結(jié)果產(chǎn)生的影響變化值IV。最后將該影響值按災(zāi)害觀測數(shù)求取平均值。按照上述步驟分別算出n個特征的平均影響值MIV，最后根據(jù)平均影響值絕對值的大小對特征進(jìn)行從大到小排序，并構(gòu)建包括排序值前1至前13個因子的13種因子組合。利用前述GA_BP算法對比計(jì)算13種組合分類效果。算法描述偽代碼如下：

算法3 指標(biāo)評價(jià)與選擇。

輸入 GA_BP網(wǎng)絡(luò),Xinput；

輸出 最優(yōu)指標(biāo)組合x*。

1)

fori=0 tondo

2)

A1=x,A2=x;

3)

A1[:,i] =A[:,i]*1.1;

4)

A2[:,i] =A[:,i]*0.9;

5)

分別計(jì)算數(shù)據(jù)集A1和A2在GA_BP的預(yù)測結(jié)果B1和B2;

6)

IV=B1-B2;

7)

MIV=總體IV的均值;

8)

end for;

9)

按照MIV值從大到小的順序?yàn)橹笜?biāo)因子排序;

10)

根據(jù)排序構(gòu)建13組輸入組合;

11)

計(jì)算各組合在GA_BP 模型的輸出準(zhǔn)確率;

12)

根據(jù)準(zhǔn)確率大小選擇最優(yōu)組合x*作為輸入;

13)

returnx*

3 實(shí)驗(yàn)與結(jié)果檢驗(yàn)

本次實(shí)驗(yàn)使用Windows版本的TensorFlow學(xué)習(xí)框架，采用Anaconda軟件包結(jié)合Python語言進(jìn)行程序編寫，實(shí)驗(yàn)平臺使用的CPU為Inter Core i7- 4790 3.6 GHz，Windows7操作系統(tǒng)，運(yùn)行內(nèi)存為8 GB。

3.1 評價(jià)因子的選取與數(shù)據(jù)源

根據(jù)《泥石流災(zāi)害防治工程勘察規(guī)范》(DZ/T 0220— 2006)[16]，通過野外考察和實(shí)地勘測，收集雅魯藏布江中上游的地形地貌、地質(zhì)構(gòu)造、地層巖性以及泥石流發(fā)生的歷史記錄，初步選取13個影響因子作為影響泥石流易發(fā)性評價(jià)的主要評價(jià)指標(biāo)，具體指標(biāo)及表征意義如表1所示。

表1 指標(biāo)及表征意義

研究區(qū)災(zāi)害點(diǎn)的基礎(chǔ)數(shù)據(jù)，主要來源于西藏高原大氣環(huán)境科學(xué)研究所研究人員長年累月的調(diào)查與收集，總共統(tǒng)計(jì)出有記載的1 778個泥石流地質(zhì)災(zāi)害點(diǎn)。本文采用中國地質(zhì)調(diào)查局《滑坡崩塌泥石流災(zāi)害詳細(xì)調(diào)查規(guī)范》來劃分暴發(fā)頻率，如表2。

由暴發(fā)頻率圖(圖3)可以看出，雅魯藏布江中上游流域泥石流災(zāi)害主要以中易發(fā)為主。

圖3 研究區(qū)域泥石流災(zāi)害易發(fā)性等級統(tǒng)計(jì)

3.2 數(shù)據(jù)預(yù)處理

泥石流易發(fā)性受孕災(zāi)環(huán)境的多重因子影響，各類別數(shù)據(jù)之間存在不平衡現(xiàn)象, 因此，需要彌補(bǔ)少數(shù)類樣本在信息分布方面的不足。本文使用Borderline-SMOTE算法為少數(shù)類樣本：不易發(fā)、低易發(fā)、高易發(fā)插值生成新的樣本，提高分類器對少數(shù)類樣本的識別精度。對評價(jià)因子進(jìn)行歸一化處理既是模型建立的需要也是為防止不同指標(biāo)因單位不同，數(shù)據(jù)存在偏大或偏小問題。最后將訓(xùn)練樣本的目標(biāo)矢量設(shè)為(1,0,0,0)、(0,1,0,0)、(0,0,1,0)以及(0,0,0,1)，作為易發(fā)性的等級，結(jié)果如表3所示, 樣本數(shù)均為1 194。

表3 泥石流易發(fā)性等級

3.3 確定BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)

依據(jù)神經(jīng)網(wǎng)絡(luò)的基本原理，三層神經(jīng)網(wǎng)絡(luò)已經(jīng)能夠有較好的分類性能。本文使用兩層隱藏層，因?yàn)樵趯?shí)驗(yàn)過程中發(fā)現(xiàn)多一層隱藏層能更快地實(shí)現(xiàn)收斂，且準(zhǔn)確率更高。輸入層根據(jù)泥石流易發(fā)性評價(jià)因子，使用13個神經(jīng)元。輸出層根據(jù)待分類類別數(shù)，使用4個神經(jīng)元。實(shí)驗(yàn)設(shè)置初始的權(quán)值與閾值為隨機(jī)系統(tǒng)值。隱藏層節(jié)點(diǎn)數(shù)常常使用試湊法確定，使用經(jīng)驗(yàn)公式(6)獲取節(jié)點(diǎn)數(shù)的取值范圍為5～14，使用排列組合的方式，對同一個樣本集進(jìn)行訓(xùn)練，最終選取高準(zhǔn)確率對應(yīng)的節(jié)點(diǎn)數(shù)。實(shí)驗(yàn)基于雅魯藏布江中上游流域泥石流災(zāi)害歷史數(shù)據(jù)集，在迭代次數(shù)相同的情況下，不同隱藏層節(jié)點(diǎn)數(shù)訓(xùn)練后，得到對應(yīng)的驗(yàn)證集準(zhǔn)確率如圖4所示。

橫坐標(biāo)為第一層隱藏層節(jié)點(diǎn)數(shù)，圖例不同形狀表示第二層隱藏層節(jié)點(diǎn)數(shù)(如：5、6分別表示第二層隱藏層節(jié)點(diǎn)個數(shù)為5和6)，縱坐標(biāo)表示分類準(zhǔn)確率。分析圖4可知，當(dāng)隱藏層結(jié)構(gòu)為11- 14時，網(wǎng)絡(luò)準(zhǔn)確率能夠到達(dá)最高值，因此神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)設(shè)為13- 11- 14- 4。

圖4 不同隱節(jié)點(diǎn)數(shù)準(zhǔn)確率統(tǒng)計(jì)

下面對比研究泥石流災(zāi)害歷史數(shù)據(jù)集有無Borderline-SMOTE算法處理對模型分類準(zhǔn)確率的影響。

如圖5(a)所示，地質(zhì)數(shù)據(jù)未經(jīng)預(yù)處理時，網(wǎng)絡(luò)驗(yàn)證準(zhǔn)確率在迭代2 000次之后趨于穩(wěn)定，迭代時間為12.3 s，此時，訓(xùn)練準(zhǔn)確率為94%，但是驗(yàn)證準(zhǔn)確率僅85%左右，類別間數(shù)據(jù)不平衡導(dǎo)致嚴(yán)重過擬合現(xiàn)象。相反，從圖5(b)可以看出，經(jīng)過算法處理后的數(shù)據(jù)集，進(jìn)入網(wǎng)絡(luò)迭代至8 000次左右，網(wǎng)絡(luò)驗(yàn)證準(zhǔn)確率趨于穩(wěn)定，訓(xùn)練時間較長，為23.5 s，此時訓(xùn)練準(zhǔn)確率達(dá)96.5%，驗(yàn)證準(zhǔn)確率為94.3%，過擬合現(xiàn)象得到明顯緩和，可見該重采樣算法降低了不平衡數(shù)據(jù)集對神經(jīng)網(wǎng)絡(luò)的影響，使模型更具有普適性。

3.4 遺傳算法優(yōu)化神經(jīng)網(wǎng)絡(luò)權(quán)值和閾值

GA_BP網(wǎng)絡(luò)在訓(xùn)練時，使用與之前一樣的網(wǎng)絡(luò)結(jié)構(gòu)，即：13- 11- 14- 4。對于GA參數(shù)，本文依據(jù)前人工作[17-18]以及多次反復(fù)實(shí)驗(yàn)，選擇種初始群規(guī)模為Size=20。最大遺傳代數(shù)Gen=20；交叉概率為Pc= 0.6；變異概率為Pm=0.1。訓(xùn)練過程中，設(shè)置最大訓(xùn)練次數(shù)為900，驗(yàn)證準(zhǔn)確率目標(biāo)為94%。圖6所示為遺傳算法優(yōu)化后的準(zhǔn)確率曲線，模型迭代到300次以后趨于穩(wěn)定，訓(xùn)練準(zhǔn)確率高達(dá)96%，此時驗(yàn)證準(zhǔn)確率為94.03%，運(yùn)行時間僅為3.25 s。對于神經(jīng)網(wǎng)絡(luò)，計(jì)算復(fù)雜度最直接的性能評價(jià)參數(shù)可通過收斂速度直觀衡量[19]。實(shí)驗(yàn)證明，遺傳算法的全局搜索能力使其在指定進(jìn)化次數(shù)內(nèi)優(yōu)化了網(wǎng)絡(luò)的初始權(quán)值和閾值，與3.3節(jié)隨機(jī)初始化的方式相比較，訓(xùn)練所需要的迭代次數(shù)和時間大幅降低。因此遺傳算法有利于降低神經(jīng)網(wǎng)絡(luò)的計(jì)算復(fù)雜度，提升收斂速度。

圖6 GA_BP準(zhǔn)確率曲線

3.5 計(jì)算指標(biāo)MIV值

根據(jù)已經(jīng)訓(xùn)練好的網(wǎng)絡(luò)，設(shè)置訓(xùn)練集每個特征數(shù)據(jù)的調(diào)節(jié)率為10%，即對其分別做乘以1.1和0.9操作，然后計(jì)算每個泥石流影響因子的MIV算法值，并按照MIV絕對值從大到小排序，計(jì)算結(jié)果如表4所示。

表4 各指標(biāo)MIV

表4中x2、x4、x5、x6、x8、x9、x10、x11、x12呈現(xiàn)正相關(guān)，其余特征為負(fù)相關(guān)。

據(jù)泥石流易發(fā)性評價(jià)因子從大到小排序，構(gòu)建包括排序值前1至前13個因子的13種因子組合。將每種組合作為模型的輸入，使用上述GA_BP網(wǎng)絡(luò)對其訓(xùn)練，并對包含955個樣本的驗(yàn)證集進(jìn)行驗(yàn)證，記錄模型分類準(zhǔn)確率如圖7所示。

圖7 不同因子組合分類結(jié)果

從圖7可以看出，評價(jià)因子的不同組合對分類準(zhǔn)確率影響較大。隨著泥石流指標(biāo)因素的增加，分類準(zhǔn)確率值總體上呈上升趨勢，在到達(dá)一定的個數(shù)時，趨于穩(wěn)定。組合1、2、3的準(zhǔn)確率相較之下明顯偏低，組合8～13的分類準(zhǔn)確率十分接近，其中組合11的分類準(zhǔn)確率最高(95.23%)，所以選取因子組合為11的序號，結(jié)果顯示，該方法能夠有效優(yōu)化輸入維度，刪減冗余信息，提升模型精度。

3.6 模型檢驗(yàn)

由于準(zhǔn)確率評估在多類不平衡的分類評價(jià)中存在一些不足，所以其不適合作為評判算法優(yōu)劣的標(biāo)準(zhǔn)。AUC方法相較于準(zhǔn)確率具有更強(qiáng)的可區(qū)分性，能夠給出不同類的不同分布情況差別[20]。AUC方法定義為受試者工作特征曲線(ROC)下的面積，其值大小作為評判分類器性能的優(yōu)劣，其中，ROC曲線繪制為真陽性率(True Positive Rate, TPR)與假陽性率(False Positive Rate, FPR)之間的變化關(guān)系。本文采用AUC方法，針對13種影響因子，基于未曾使用的400個泥石流災(zāi)害數(shù)據(jù)集，采用Logistic、BP、GA_BP、XGBoost[21]以及本文模型進(jìn)行區(qū)域泥石流易發(fā)性評價(jià)，對比測試結(jié)果如圖8和表5所示。

圖8 五種評價(jià)模型ROC測試曲線

方法輸入維度各類別比例AUC值/%測試時間/sLogistic1386∶50∶241∶2392.420.0512BP1386∶50∶241∶2395.230.0016GA_BP1386∶50∶241∶2396.900.0041XGBoost1386∶50∶241∶2397.850.0018本文方法1186∶50∶241∶2397.950.0020

選取400處泥石流災(zāi)害點(diǎn)作為測試樣本進(jìn)行模型檢驗(yàn)與比較(表5)，分析數(shù)據(jù)顯示，本文模型取得97.95%的AUC值，較傳統(tǒng)的Logistic算法提升較大，且處理速度有較大幅度領(lǐng)先；BP和GA_BP模型相比，GA_BP算法有著較高AUC值，但在測試時間上稍慢于BP模型；本文在GA_BP基礎(chǔ)上結(jié)合MIV算法，優(yōu)化了輸入維度，AUC值提高了1個百分點(diǎn)，災(zāi)害易發(fā)性評價(jià)速度也提升了接近50%；最后與當(dāng)下較為熱門的XGBoost分類模型相比，本文算法在AUC值和處理時間上與其幾乎持平。總體來說，本文基于神經(jīng)網(wǎng)絡(luò)的區(qū)域泥石流易發(fā)性評價(jià)模型具備良好的分類性能和運(yùn)行速度。

4 結(jié)語

充分利用地質(zhì)大數(shù)據(jù)，基于遺傳神經(jīng)網(wǎng)絡(luò)，結(jié)合Borderline-SMOTE算法和MIV算法建立泥石流主要指標(biāo)與易發(fā)程度關(guān)系，提高泥石流易發(fā)性評價(jià)精度，從中挖掘孕災(zāi)環(huán)境中的泥石流災(zāi)害發(fā)生規(guī)律，以上研究表明：

1)影響研究區(qū)泥石流易發(fā)程度的原因主要是不良地質(zhì)現(xiàn)象、主溝縱坡以及新構(gòu)造影響。輸入指標(biāo)存在冗余信息：松散物平均厚度與地層巖性，影響模型的分類精度和速度。

2)Borderline-SMOTE算法有選擇地對少數(shù)類數(shù)據(jù)進(jìn)行過采樣，能夠有效克服已有泥石流歷史災(zāi)害數(shù)據(jù)分布不平衡的困難，緩解了模型的過擬合現(xiàn)象；遺傳算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)的權(quán)值和閾值，避免了原有網(wǎng)絡(luò)隨機(jī)初始化的不足，有效提升了泥石流易發(fā)性分類的效率和泛化能力；MIV算法能夠從13個特征因子中選擇11個特征因子作為模型的輸入，降低了模型的輸入維度；最后以測試樣本進(jìn)行仿真，較高的AUC值表明系統(tǒng)可以對泥石流易發(fā)性進(jìn)行分類。本文建立的模型對雅魯藏布江中上游流域泥石流易發(fā)性進(jìn)行分類，能夠根據(jù)研究區(qū)域內(nèi)孕災(zāi)環(huán)境的特征，對泥石流易發(fā)性作出合理的分類，避免了個人主觀因素對泥石流易發(fā)性評價(jià)的影響，對當(dāng)?shù)鼗A(chǔ)設(shè)施(如：公路、鐵路)建設(shè)，具有重要的指導(dǎo)價(jià)值。與此同時，本文模型亦存在一些問題值得進(jìn)一步研究：加入人類活動的相關(guān)因子對模型的影響；采用強(qiáng)正則模型解決過采樣可能帶來的局部過擬合，以提升化性能。