地質(zhì)災害易發(fā)性評價方法簡述

李怡飛

摘 要： 中國地域遼闊，經(jīng)度和緯度跨度大自然地理條件夏雜，構(gòu)造運動強烈，地質(zhì)災害災情十分嚴重。同時中國又是一個發(fā)展中國家經(jīng)濟發(fā)展對資源開發(fā)的依賴程度相對較高，大規(guī)模的資源開發(fā)和工程建設(shè)，人為地誘發(fā)了很多地質(zhì)災害使我國成為世界上地質(zhì)災害最為嚴重的國家之一。下文簡要介紹地質(zhì)災害危險性評價的研究進展以及幾種常用的評價方法，旨在為災害預測與防范提供一些參考。

關(guān)鍵詞： 地質(zhì)災害;易發(fā)性;評價方法

【中圖分類號】P208 ? ? 【文獻標識碼】A ? ? 【文章編號】1674-3733（2020）21-0263-01

引言：地質(zhì)災害是由于自然因素或人為活動影響繼而引發(fā)的山體滑坡、崩塌、泥石流等與地區(qū)作用有關(guān)的災害。我國地質(zhì)災害不僅種類繁多，還活動頻發(fā)，給百姓帶來生命和財產(chǎn)損失的威脅，制約了社會的可持續(xù)發(fā)展。因此，進行地質(zhì)災害易發(fā)性評價可以為災害預測提供參考依據(jù)，減少損失。

1 地質(zhì)災害易發(fā)性評價概況

地質(zhì)災害易發(fā)性評價是在特定地質(zhì)環(huán)境下分析各評價因子對地質(zhì)災害的發(fā)生所產(chǎn)生的影響，利用各種不同評價單元和評價方法，得出各評價單元內(nèi)地質(zhì)災害發(fā)生的概率[1]。并將最終評價結(jié)果進行區(qū)劃，得到不同級別的易發(fā)性程度區(qū)域，在國外也被稱為地質(zhì)災害敏感性（Landslide susceptibility）評價。

許多專家學者研究地質(zhì)災害的易發(fā)性評價方法，但在不同的地質(zhì)、氣候、人類活動環(huán)境下，影響因素有所不同，各因子的適宜性也有差別，目前沒有形成統(tǒng)一的方法。21世紀后，地質(zhì)災害易發(fā)性評價快速發(fā)展，在地質(zhì)災害易發(fā)性分析的實踐應用中有各種各樣的數(shù)學方法模型。這些模型主要分為定性和定量方法[2]。定性方法主要有層次分析法、多標準分析、模糊綜合評判等。定量方法主要為統(tǒng)計方法和機器學習方法。統(tǒng)計方法是一種對已知或預計的不穩(wěn)定因素與地質(zhì)災害易發(fā)概率之間函數(shù)關(guān)系的分析，例如信息量法、邏輯回歸模型、概率模型、證據(jù)信念函數(shù)、頻率比等已被廣泛使用。機器學習的方法包括抽樣，訓練和驗證階段。多元邏輯回歸、人工神經(jīng)網(wǎng)絡(luò)、支持向量機等機器學習模型已成功用于地質(zhì)災害易發(fā)性的評估。

2 地質(zhì)災害易發(fā)性評價方法

在眾多地質(zhì)災害易發(fā)性評價方法中，最為人熟知，也是最被廣泛使用的有層次分析法、信息量法、支持向量機法以及人工神經(jīng)網(wǎng)絡(luò)法。

2.1 層次分析法

層次分析法（Analytic Hierarchy Process，AHP）是將定性與定量分析方法相結(jié)合的、靈活實用的多目標決策分析方法。在地質(zhì)災害易發(fā)性評價中，層次分析法將數(shù)據(jù)、專家意見與分析者的判斷相結(jié)合，通過比較每一層次的因子的相對重要性，給出定量表示的權(quán)值，最后按照標準完成地質(zhì)災害易發(fā)性的劃分[3]。應用層次分析法能很好地將復雜的地質(zhì)問題層次化、條理化。

2.2 信息量法

信息量模型是一種起源于信息理論的統(tǒng)計評價方法，它是由信息論創(chuàng)始人、數(shù)學家香農(nóng)提出?，F(xiàn)在被研究者們廣泛使用于地質(zhì)災害易發(fā)性的評價之中。地質(zhì)災害是由于多重因素共同作用的結(jié)果，并且不同的影響因子對地質(zhì)災害所造成的影響也具有很大的差異性。地質(zhì)災害的發(fā)生與否與評價過程中各因素信息量的大小有關(guān)，以已發(fā)生災害的影響因素為依據(jù)，推算標志災害發(fā)生概率的信息量，建立評價模型，從而對整個區(qū)域的災害易發(fā)性做出評價[4]。

在信息量模型中，通過事件的概率來計算信息量值，同時信息量值也可能為負數(shù)。由前面所述，誘發(fā)地質(zhì)災害的原因是非常多的，在排除掉某些因素之間可能會互相影響的情況下，通過計算可得出每個影響因素的單項信息量值，再經(jīng)過疊加作用，可得到由于多因素的共同影響下的綜合信息量值。一般來說，當信息量的取值大于0的時候，則表示多因素的共同作用下更易于發(fā)生地質(zhì)災害，反之，則不易于發(fā)生地質(zhì)災害。

2.3 支持向量機

支持向量機模型是基于結(jié)構(gòu)風險最小化原則的一種重要監(jiān)督學習二元分類器模型。支持向量機可解決小樣本、高維度、非線性相關(guān)問題。其原理是尋找出一個最優(yōu)超平面，將樣本點正確地劃分為兩類，又能使超平面距離最近的樣本點到該平面的集合間隔最大化。1963年，Vapnik首先提出支持向量機，該模型在線性問題領(lǐng)域的求解應用廣泛，但在非線性問題上還存在一定問題及困難。后來，核技巧由Boser與Cuyon引入到該模型，用來解決支持向量機的非線性問題，使得支持向量機能夠用于不同領(lǐng)域[5]。在地質(zhì)災害易發(fā)性評價中，將各個影響因子的敏感性值作為分類數(shù)據(jù)，利用這些數(shù)據(jù)來訓練支持向量機模型，最終實現(xiàn)易發(fā)性評價。

2.4 人工神經(jīng)網(wǎng)絡(luò)

人工神經(jīng)網(wǎng)絡(luò)（Artificial Neural Network）簡稱ANN，上世紀八十年代以來，一直是人工智能領(lǐng)域的研究熱點。顧名思義，它是一種通過模仿人類神經(jīng)元結(jié)構(gòu)和功能來進行信息處理的計算機建模方式，由大量的類似于人類的神經(jīng)元的處理單元廣泛連接形成具有強大的自學習功能和自組織能力，同時具有高度的非線性、自適應性、容錯性、推廣能力和高速尋找最優(yōu)解能力的復雜網(wǎng)絡(luò)[6]。地質(zhì)災害與各影響因子之間具有不確定性的聯(lián)系，所以難于表示出它們之間的函數(shù)關(guān)系，而人工神經(jīng)網(wǎng)絡(luò)可以通過對現(xiàn)有地質(zhì)災害數(shù)據(jù)的學習，來預測某地區(qū)未來發(fā)生地質(zhì)災害的可能性，是一種相對理想的方法。

3 結(jié)論

多種多樣的評價方法以及結(jié)合使用使得地質(zhì)災害易發(fā)性評價越來越精準、高效，為地質(zhì)災害的預測做出了卓越貢獻。然而，對地質(zhì)災害的防治工作也不容忽視，只有把預測結(jié)果應用于防治工作中才能體現(xiàn)出易發(fā)性評價的價值。

參考文獻

[1] 趙銀兵，陳利頂，孫然好，倪忠云，別小娟.地質(zhì)災害易發(fā)性評價方法對比研究：以京津冀地區(qū)為例[J].環(huán)境生態(tài)學，2020，2（04）：27-38+50.

[2] 陳楚桐.基于組合賦權(quán)法的寬甸縣地質(zhì)災害易發(fā)性評價[D].中國地質(zhì)大學（北京），2020.

[3] 董毅兵，郁文，張仲福.基于GIS的地質(zhì)災害易發(fā)性分區(qū)評價——以甘肅省會寧縣為例[J].中國地質(zhì)調(diào)查，2020，7（03）：89-95.

[4] 王雷，吳君平，趙冰雪，姚志強，張樂勤.基于GIS和信息量模型的安徽池州地質(zhì)災害易發(fā)性評價[J].中國地質(zhì)災害與防治學報，2020，31（03）：96-103.

[5] 徐勝華，劉紀平，王想紅，張玉，林榮福，張蒙，劉猛猛，姜濤.熵指數(shù)融入支持向量機的滑坡災害易發(fā)性評價方法——以陜西省為例[J].武漢大學學報（信息科學版），2020，45（08）：1214-1222.

[6] 武斌.金沙江流域?qū)幠闲×饔虻刭|(zhì)災害風險評價[D].長安大學，2016.