基于譜聚類算法的海底滑坡危險(xiǎn)性評(píng)價(jià)

杜星，孫永福，宋玉鵬，修宗祥，單治鋼

( 1.中國電建集團(tuán)華東勘測(cè)設(shè)計(jì)研究院有限公司，浙江 杭州 311122；2.自然資源部第一海洋研究所，山東 青島 266061；3.青島海洋科學(xué)與技術(shù)試點(diǎn)國家實(shí)驗(yàn)室 海洋地質(zhì)過程與環(huán)境功能實(shí)驗(yàn)室，山東 青島 266237；4.國家深海基地管理中心，山東 青島 266237)

1 引言

海底滑坡是一種極具破壞力的海洋地質(zhì)災(zāi)害現(xiàn)象。大型海底滑坡甚至能夠引起數(shù)千立方千米的沉積物進(jìn)行長距離運(yùn)移[1]，對(duì)海洋采油平臺(tái)[2]、海底光纜[3]、電纜等各類工程設(shè)施造成損害甚至引發(fā)海嘯，造成通信中斷、平臺(tái)倒塌等一系列事故，給人類的生命安全和財(cái)產(chǎn)造成巨大的威脅[4–5]。因此，研究海底滑坡的特征、機(jī)理并進(jìn)行危險(xiǎn)性預(yù)測(cè)對(duì)于海洋工程的安全性具有重要作用。

目前，海底滑坡的研究方向主要有：利用高精度地球物理探測(cè)進(jìn)行滑坡形態(tài)識(shí)別和分類[6–8]、通過數(shù)值分析的方法開展海底滑坡穩(wěn)定性計(jì)算[9–10]以及使用常規(guī)水槽或離心機(jī)等物理模型試驗(yàn)?zāi)M滑坡過程[11–13]。雖然通過上述常規(guī)研究取得了較大的進(jìn)展，然而受海底滑坡自身控制條件復(fù)雜、觸發(fā)影響因素眾多、監(jiān)測(cè)難度大等原因的影響，危險(xiǎn)性評(píng)價(jià)分級(jí)方面的研究仍然較為不足?；跈C(jī)器學(xué)習(xí)進(jìn)行滑坡危險(xiǎn)性預(yù)測(cè)的方法在陸上滑坡研究[14–17]中已有運(yùn)用并成為一種熱門的研究手段，然而該方法用于海底滑坡的研究仍然較少。同時(shí)由于陸上滑坡規(guī)模相對(duì)較小、結(jié)果易于監(jiān)測(cè)、影響因素單一等原因，適用于有監(jiān)督機(jī)器學(xué)習(xí)，而海底滑坡大多無法得到明確的影響因素和危險(xiǎn)性結(jié)果，所以不太適用于陸地上常用的方法。為此，本文引入了無監(jiān)督機(jī)器學(xué)習(xí)中的譜聚類算法構(gòu)建海底滑坡危險(xiǎn)性評(píng)價(jià)體系，結(jié)合研究區(qū)各類地質(zhì)環(huán)境影響因子展開海底滑坡危險(xiǎn)性評(píng)價(jià)分級(jí)。

2 譜聚類算法

譜聚類算法（Spectral Clustering）是人工智能領(lǐng)域的一種無監(jiān)督機(jī)器學(xué)習(xí)算法，主要用于處理沒有標(biāo)識(shí)信息的數(shù)據(jù)。通過對(duì)樣本數(shù)據(jù)的拉普拉斯矩陣的特征向量進(jìn)行聚類，從而達(dá)到對(duì)樣本數(shù)據(jù)聚類的目的。譜聚類將高維空間的數(shù)據(jù)映射到低維，然后在低維空間用其他聚類算法進(jìn)行聚類。與最常用的Kmeans聚類方法相比，譜聚類算法使用了降維技術(shù)，更適用于高維數(shù)據(jù)的處理，同時(shí)對(duì)于處理稀疏數(shù)據(jù)更為有效。海底滑坡危險(xiǎn)性評(píng)價(jià)的輸入因子類別多、數(shù)據(jù)不集中，因此采取譜聚類比傳統(tǒng)的聚類方法更為適用。譜聚類通過輸入n個(gè)樣本點(diǎn)X={x1,x2,···,xn}和聚類簇的數(shù)目k，最終輸出聚類簇A1,A2,···,Ak。具體算法步驟為：

（1）計(jì)算n×n的相似度矩陣W（包括最小鄰近值法、k臨近法及全連接法），下式為本文使用的全連接法表達(dá)式：

式中，W為sij組成的相似度矩陣；核函數(shù)參數(shù)σ控制著樣本點(diǎn)的鄰域?qū)挾龋处以酱蟊硎緲颖军c(diǎn)與距離較遠(yuǎn)的樣本點(diǎn)的相似度越大；

（2）計(jì)算度矩陣D:

di=，即相似度矩陣W的每一行元素之和。

D為di組成的n×n對(duì)角矩陣；

（3）計(jì)算拉普拉斯矩陣L=D?W；

（4）計(jì)算L的特征值，將特征值從小到大排序，取前k個(gè)特征值，并計(jì)算前k個(gè)特征值的特征向量u1,u2,···,un；

（5）將上面的k個(gè)列向量組成矩陣U={u1,u2,···,un}，U∈Rn×k；

（6）令yi∈Rk是U的第i行的向量，其中i=1,2,···,n；

（7）使用Kmeans算法將新樣本點(diǎn)Y={y1,y2,···,yn}聚類成簇C1,C2,···,Ck；

（8）輸出簇A1,A2,···,Ak，其中Ai={j|yi∈Ci}。

以上為譜聚類算法的描述。即先根據(jù)樣本點(diǎn)計(jì)算相似度矩陣，然后計(jì)算度矩陣和拉普拉斯矩陣，接著計(jì)算拉普拉斯矩陣前k個(gè)特征值對(duì)應(yīng)的特征向量，最后將這k個(gè)特征值對(duì)應(yīng)的特征向量組成的矩陣U，U的每一行成為一個(gè)新生成的樣本點(diǎn)，對(duì)這些新生成的

樣本點(diǎn)聚成k類，最后輸出聚類的結(jié)果。

3 數(shù)據(jù)和方法

3.1 數(shù)據(jù)來源

本文研究數(shù)據(jù)由自然資源部第一海洋研究所在黃河口埕島海域通過地球物理探測(cè)、鉆探及監(jiān)測(cè)調(diào)查等手段獲得[18]，包含了研究區(qū)詳細(xì)的各類地質(zhì)特征資料，并根據(jù)地質(zhì)環(huán)境數(shù)據(jù)特點(diǎn)將水深、波浪、液化深度等各類影響因素分為4個(gè)級(jí)別。黃河口埕島海域分布著大規(guī)模的海底滑坡體系，具有高含水、淺表多發(fā)、廣泛分布等特點(diǎn)[19–20]，水深普遍小于 18 m，底質(zhì)類型在15 m水深以淺主要為粉土夾雜少量砂土，大于15 m時(shí)為粉質(zhì)黏土和黏土（圖1）。海底坡度較大的區(qū)域大于0.002°，主要分布在6 m和12 m水深等深線周圍。易液化區(qū)域集中于3～15 m水深之間，從區(qū)域中央至外緣液化強(qiáng)度逐漸減小。同時(shí)，中石化勝利油田采油廠的主力區(qū)塊也位于本研究海域內(nèi)部，分布著上百座海上采油平臺(tái)以及數(shù)十條海底輸油、輸氣管道和海底電纜。該區(qū)域具有大量詳細(xì)的物探、鉆探以及現(xiàn)場(chǎng)監(jiān)測(cè)獲得的各類數(shù)據(jù)，能夠準(zhǔn)確有效地為無監(jiān)督機(jī)器學(xué)習(xí)提供輸入數(shù)據(jù)。

3.2 研究方法

由于海底滑坡問題的環(huán)境影響因素、觸發(fā)因子眾多且難以實(shí)時(shí)監(jiān)測(cè)，無法使用地質(zhì)參數(shù)與滑坡危險(xiǎn)性之間對(duì)應(yīng)的結(jié)果進(jìn)行有監(jiān)督學(xué)習(xí)，因此本文以無監(jiān)督學(xué)習(xí)方法為基礎(chǔ)建立黃河口水下三角洲海底滑坡危險(xiǎn)性評(píng)價(jià)模型?；谧V聚類算法的海底滑坡危險(xiǎn)性評(píng)價(jià)主要分為輸入輸出參數(shù)類別確定、原始數(shù)據(jù)處理、網(wǎng)絡(luò)參數(shù)選取以及評(píng)價(jià)4個(gè)部分。

（1）輸入、輸出參數(shù)類別

海底滑坡危險(xiǎn)性影響因素眾多，主要可以分為內(nèi)因和外因，其中內(nèi)因是滑坡體本身的物理力學(xué)性質(zhì)；外因則受不同地質(zhì)環(huán)境的影響存在多樣性。本研究區(qū)的內(nèi)因主要有沉積物類型、海底地形坡度、土體強(qiáng)度，表征了滑坡體本身；外因?yàn)樗睢?0年一遇波高大小、底層最大流速、液化、海底沖刷以及人類工程活動(dòng)情況。另外，將區(qū)域評(píng)價(jià)結(jié)果分為4類是評(píng)價(jià)分級(jí)較為常用的一種方式。因此本研究中輸入節(jié)點(diǎn)數(shù)為9個(gè)，對(duì)應(yīng)輸入類別的9個(gè)參數(shù)；輸出節(jié)點(diǎn)數(shù)為4個(gè)，分別為危險(xiǎn)性高、危險(xiǎn)性較高、危險(xiǎn)性較低和危險(xiǎn)性低（圖2）。

（2）原始數(shù)據(jù)處理

根據(jù)圖1所示研究點(diǎn)位，按照研究點(diǎn)位的坐標(biāo)分別從輸入?yún)?shù)中獲取相對(duì)應(yīng)的數(shù)據(jù)。文中所使用的9個(gè)輸入?yún)?shù)的數(shù)據(jù)已按照不同參數(shù)類型及數(shù)據(jù)特點(diǎn)分為了4個(gè)級(jí)別，因此每個(gè)研究點(diǎn)位擁有9個(gè)參數(shù)，每個(gè)參數(shù)的數(shù)值為1～4的不同類別。

圖1 研究區(qū)位置及研究點(diǎn)位Fig.1 Location of studying area and points

圖2 海底滑坡危險(xiǎn)性評(píng)價(jià)網(wǎng)絡(luò)結(jié)構(gòu)示意圖Fig.2 Schematic diagram of submarine landslide risk assessment network structure

（3）核函數(shù)參數(shù)選擇

本文計(jì)算相似度矩陣式使用全連接方法，其中的核函數(shù)為高斯核函數(shù)（數(shù)值大于0）。對(duì)核函數(shù)參數(shù)進(jìn)行調(diào)參時(shí)，保持?jǐn)?shù)據(jù)及其他網(wǎng)絡(luò)參數(shù)不變，令核函數(shù)參數(shù)為0.01～2.3，以0.01為間隔進(jìn)行變化，針對(duì)每個(gè)核函數(shù)參數(shù)均進(jìn)行聚類并使用Calinski?Harabasz評(píng)分標(biāo)準(zhǔn)對(duì)結(jié)果進(jìn)行打分，選擇評(píng)分最高時(shí)的核函數(shù)參數(shù)作為評(píng)價(jià)網(wǎng)絡(luò)最終的參數(shù)。

（4）海底滑坡危險(xiǎn)性評(píng)價(jià)分區(qū)

使用確定了輸入輸出參數(shù)類別、網(wǎng)絡(luò)參數(shù)后可得到最終的海底滑坡無監(jiān)督學(xué)習(xí)評(píng)價(jià)網(wǎng)絡(luò)，使用該網(wǎng)絡(luò)對(duì)研究點(diǎn)位數(shù)據(jù)進(jìn)行譜聚類訓(xùn)練可獲得具有相同特征研究點(diǎn)位的無標(biāo)簽分類結(jié)果。

（5）區(qū)域標(biāo)簽的賦予

根據(jù)譜聚類分析得到的無標(biāo)簽分類結(jié)果，結(jié)合研究區(qū)地質(zhì)環(huán)境因素分布特征，對(duì)分類結(jié)果賦予滑坡危險(xiǎn)性評(píng)價(jià)等級(jí)標(biāo)簽，得到最終的海底滑坡危險(xiǎn)性評(píng)價(jià)結(jié)果。

4 結(jié)果與分析

4.1 海底滑坡危險(xiǎn)性評(píng)價(jià)結(jié)果

通過對(duì)不同的核函數(shù)參數(shù)展開海底滑坡危險(xiǎn)性聚類分析后，基于Calinski-Harabasz評(píng)分標(biāo)準(zhǔn)的得分結(jié)果見圖3。隨著核函數(shù)參數(shù)逐漸增加，聚類效果得分先增加后減小，在核函數(shù)參數(shù)為0.08時(shí)具有最大的得分。得分反映了聚類結(jié)果的優(yōu)化程度，得分越高則說明優(yōu)化性越好，因此選擇核函數(shù)參數(shù)值為0.08作為滑坡危險(xiǎn)性評(píng)價(jià)網(wǎng)絡(luò)的最終參數(shù)。

圖3 評(píng)價(jià)網(wǎng)絡(luò)得分隨核函數(shù)參數(shù)的變化Fig.3 Evaluation network score changes with kernel function parameters

圖4 黃河口海底滑坡危險(xiǎn)性評(píng)價(jià)結(jié)果Fig.4 Risk assessment result of submarine landslides in the Yellow River Estuary

使用建立的基于無監(jiān)督學(xué)習(xí)模型對(duì)黃河口海底滑坡危險(xiǎn)性進(jìn)行了評(píng)價(jià)（圖4），整個(gè)研究區(qū)從西南至東北被分為了4個(gè)區(qū)域。分別為水深5 m以淺、水深14 m以深、水深6～12 m之間及其周邊區(qū)域。海床受到的水動(dòng)力作用在波浪、水深及海流共同作用影響下，隨著水深從淺到深變化首先逐漸增強(qiáng)，在9～10 m附近達(dá)到最大值，隨后逐漸減弱。同時(shí)，研究區(qū)大致以水深14～15 m等深線為分界線，深水區(qū)海底土體為黏土類沉積物，淺水區(qū)為粉土夾雜少量粉砂。另外，地球物理探測(cè)調(diào)查結(jié)果顯示，研究區(qū)內(nèi)15 m以深基本沒有液化的發(fā)生，而9～10 m水深等深線附近最易發(fā)生液化等現(xiàn)象。因此不難判斷，海底滑坡危險(xiǎn)性高的區(qū)域：大致范圍在6～12 m水深等深線內(nèi)呈條帶狀分布，長軸方向與水深等深線方向平行，代表了本研究區(qū)內(nèi)最容易出現(xiàn)海底滑坡的區(qū)域；危險(xiǎn)性較高的區(qū)域：分布在危險(xiǎn)性高的部分外圍，水深范圍擴(kuò)展至5～14 m，代表了本研究區(qū)內(nèi)較為容易出現(xiàn)海底滑坡的區(qū)域；危險(xiǎn)性較低的區(qū)域：分布在研究區(qū)的水深小于5 m位置，表示研究區(qū)內(nèi)較不容易出現(xiàn)海底滑坡的區(qū)域；危險(xiǎn)性低的區(qū)域：位于研究區(qū)水深14 m以深的位置，表示本研究區(qū)內(nèi)最不容易產(chǎn)生海底滑坡的區(qū)域。

本文得到的聚類結(jié)果顯示，黃河口海底滑坡危險(xiǎn)性較高和高的區(qū)域位于水深5～14 m區(qū)域內(nèi)，其他水深位置危險(xiǎn)性較低。彭俊等[21]通過高精度地球物理探測(cè)手段對(duì)黃河三角洲水下岸坡展開了調(diào)查，調(diào)查結(jié)果顯示，在水深6～14 m區(qū)域主要發(fā)育了海底滑坡，6 m以淺和14 m以深未見海底滑坡發(fā)育。該物探調(diào)查結(jié)果與本文利用無監(jiān)督機(jī)器學(xué)習(xí)得到的海底滑坡危險(xiǎn)性分區(qū)結(jié)果一致性較高，均顯示水深5～14 m的區(qū)域內(nèi)容易產(chǎn)生海底滑坡。表明本文使用的算法可以取得與真實(shí)情況較為接近的結(jié)果，能夠較好地適用于海底滑坡危險(xiǎn)性評(píng)價(jià)。

4.2 影響因素與觸發(fā)因子

研究區(qū)海底滑坡危險(xiǎn)性隨著水深逐漸增加總體上呈現(xiàn)較低?較高?高?較高?低的趨勢(shì)變化。當(dāng)水深小于5 m時(shí)，波浪、海流等水動(dòng)力作用較小，因此滑坡的觸發(fā)因子強(qiáng)度不足，導(dǎo)致了水深小的區(qū)域危險(xiǎn)性較低。隨著水深逐漸增加，海床受到的水動(dòng)力作用越來越強(qiáng)，但水深增加至一定程度時(shí)海床受到的水動(dòng)力作用又會(huì)減小。因此滑坡危險(xiǎn)性也呈現(xiàn)先增強(qiáng)后減弱的趨勢(shì)，最嚴(yán)重位置在水深9～10 m附近。若研究區(qū)海底沉積物類型一致，則在14 m水深位置應(yīng)先出現(xiàn)危險(xiǎn)性較低的區(qū)域再逐漸過渡至危險(xiǎn)性低的區(qū)域。但由于海底沉積物類型由可液化的粉土突變?yōu)殡y以液化的黏土類沉積物，因此造成了危險(xiǎn)性分區(qū)的突變（圖4，突變分界線為a）。在水深變深引起的水動(dòng)力作用減弱和海底沉積物性質(zhì)的共同影響下，研究區(qū)內(nèi)水深大于14 m的區(qū)域成為了最不容易產(chǎn)生海底滑坡的部分。坡度、土體強(qiáng)度和沖刷雖然與最終結(jié)果呈現(xiàn)相關(guān)關(guān)系，但遠(yuǎn)沒有水動(dòng)力和沉積物類型與結(jié)果相關(guān)性程度高。而人類工程活動(dòng)分布對(duì)結(jié)果影響最小，研究區(qū)內(nèi)海底滑坡的分布幾乎未受到人類活動(dòng)的影響?？偟膩碚f，研究區(qū)內(nèi)水深、波高、底層最大流速和海底沉積物類型是最重要的影響因素，坡度、土體強(qiáng)度和沖刷影響程度次之，人類工程活動(dòng)影響最弱。

通常情況下海底滑坡的外界影響觸發(fā)因子有地震、天然氣水合物、波浪作用、火山活動(dòng)、海嘯等一系列條件，不同的海域受周邊地質(zhì)環(huán)境條件的影響存在不同的因子。本文研究區(qū)內(nèi)并不存在地震、海嘯、火山等劇烈地質(zhì)現(xiàn)象，主要外界影響因子為波浪引起的海底土體液化。黃河口埕島海域在50年一遇波浪工況下的液化深度分布如圖5所示[22]，隨著水深逐漸加深，液化深度也呈現(xiàn)先增加后減小的分布情況，在水深6～12 m之間具有較大的液化深度分布。對(duì)比圖4、圖5可知，研究區(qū)液化深度分布的特征與本文得到的海底滑坡危險(xiǎn)性評(píng)價(jià)結(jié)果有著密切的相關(guān)性和一致性，均在水深10 m等深線附近分布著地質(zhì)災(zāi)害最嚴(yán)重的區(qū)域，當(dāng)水深減小或繼續(xù)增加時(shí)地質(zhì)災(zāi)害的嚴(yán)重性越來越弱。足以充分表明波浪作用下海底沉積物液化是研究區(qū)內(nèi)海底滑坡最重要的觸發(fā)因子。

5 算法參數(shù)討論

5.1 輸入因子簡(jiǎn)化

本文采用了沉積物類型、海底地形坡度、土體強(qiáng)度、水深、波高、底層最大流速、液化、海底沖刷以及人類工程活動(dòng)情況9種參數(shù)作為網(wǎng)絡(luò)輸入因子，進(jìn)行海底滑坡危險(xiǎn)性分析。因某些海域輸入因子的難獲取性，也可以選擇沉積物類型、水深、波高和底層最大流速作為輸入因子進(jìn)行譜聚類。沉積物類型能夠表述海底土體的性質(zhì)。水深、波高、底層最大流速能夠代表水動(dòng)力作用強(qiáng)度，也可換算求得海底地形坡度，并影響液化、沖刷。因此簡(jiǎn)化的模型選擇沉積物類型、水深、波高和底層最大流速作為輸入因子進(jìn)行譜聚類。評(píng)價(jià)結(jié)果如圖6所示，與未簡(jiǎn)化評(píng)價(jià)結(jié)果對(duì)比，危險(xiǎn)性低和較低的區(qū)域基本一致，但是危險(xiǎn)性高的區(qū)域范圍減小、危險(xiǎn)性較高區(qū)域范圍擴(kuò)大且二者未呈現(xiàn)包含關(guān)系。由此可見，適當(dāng)?shù)貙?duì)輸入因子進(jìn)行簡(jiǎn)化能夠較為粗略地對(duì)研究區(qū)展開海底滑坡危險(xiǎn)性評(píng)價(jià)，但評(píng)價(jià)結(jié)果的準(zhǔn)確度相對(duì)降低。

圖5 黃河口埕島海域液化深度分布[22]Fig.5 Distribution of liquefaction depth in Chengdao sea area of the Yellow River Estuary[22]

5.2 核函數(shù)參數(shù)

為檢驗(yàn)該參數(shù)對(duì)聚類結(jié)果的影響程度，令核函數(shù)參數(shù)分別為0.1、1、5、10，并構(gòu)建4個(gè)不同參數(shù)的評(píng)價(jià)網(wǎng)絡(luò)進(jìn)行海底滑坡危險(xiǎn)性評(píng)價(jià)。評(píng)價(jià)結(jié)果如圖7所示，隨著核函數(shù)參數(shù)的逐漸增加，危險(xiǎn)性高的區(qū)域呈現(xiàn)一種擴(kuò)大的趨勢(shì)。σ為0.01和0.1時(shí)評(píng)價(jià)結(jié)果與上文得到的結(jié)果相似，只是危險(xiǎn)性高的區(qū)域范圍稍有變化。當(dāng)σ為1時(shí)，危險(xiǎn)性高的區(qū)域已完全與危險(xiǎn)性較低區(qū)域相鄰，未能體現(xiàn)出二者間危險(xiǎn)性較高區(qū)域的過渡。當(dāng)σ為10時(shí)，該模型已經(jīng)無法進(jìn)行有效的評(píng)價(jià)。以上研究結(jié)果表明，核函數(shù)參數(shù)評(píng)分相近時(shí)都可以較好地對(duì)研究區(qū)進(jìn)行聚類分析，但相差較大時(shí)則無法準(zhǔn)確對(duì)數(shù)據(jù)進(jìn)行聚類分析。

5.3 算法適用性

海底滑坡、海底地震等多種海底地質(zhì)災(zāi)害難以有效地監(jiān)測(cè)到產(chǎn)生的過程和結(jié)果，因此并沒有初始因素–最終結(jié)果一一對(duì)應(yīng)的數(shù)據(jù)用于有監(jiān)督機(jī)器學(xué)習(xí)的訓(xùn)練。然而無監(jiān)督機(jī)器學(xué)習(xí)算法以其不需要結(jié)果、可以自行學(xué)習(xí)的功能可以有效克服這一問題，所以無監(jiān)督機(jī)器學(xué)習(xí)算法成為了能夠解決此類問題的關(guān)鍵。

圖6 簡(jiǎn)化輸入因子得到的海底滑坡危險(xiǎn)性評(píng)價(jià)結(jié)果Fig.6 Risk assessment results of submarine landslides from simplified input factors

結(jié)果表明，譜聚類方法得到的海底滑坡危險(xiǎn)性分類與實(shí)際海底滑坡區(qū)域分布較為一致，具有較高的相似性和可靠性。研究區(qū)內(nèi)產(chǎn)生的滑坡與傳統(tǒng)海底滑坡相比具有規(guī)模小、坡度緩、滑動(dòng)距離短等特點(diǎn)，二者的滑坡危害性顯然無法相提并論。因此，聚類的結(jié)果并不表示海底滑坡危險(xiǎn)性的絕對(duì)值，而表示了在研究區(qū)內(nèi)危險(xiǎn)性的相對(duì)值，不同危險(xiǎn)性高低代表了在研究區(qū)內(nèi)產(chǎn)生海底滑坡現(xiàn)象的可能性和嚴(yán)重程度。使用譜聚類方法進(jìn)行分類后，可以良好地估計(jì)研究區(qū)域內(nèi)海底滑坡危險(xiǎn)性的相對(duì)高低，有利于進(jìn)行海洋工程建設(shè)時(shí)的選址。

現(xiàn)場(chǎng)實(shí)測(cè)數(shù)據(jù)的缺乏仍然是限制海底滑坡危險(xiǎn)性分析發(fā)展的最重要因素，5.1節(jié)結(jié)果表明只有獲得更豐富、更精確、更詳細(xì)的現(xiàn)場(chǎng)地質(zhì)環(huán)境數(shù)據(jù)，才能夠更加準(zhǔn)確的評(píng)價(jià)結(jié)果。進(jìn)行其他海域的海底滑坡危險(xiǎn)性評(píng)價(jià)時(shí)，需要根據(jù)研究區(qū)地質(zhì)環(huán)境因素特點(diǎn)，選擇適宜的輸入因子和輸出因子。受深海調(diào)查數(shù)據(jù)的影響，本文未選在東海、南海等滑坡發(fā)育更為明顯的區(qū)域，接下來將進(jìn)一步搜集資料與現(xiàn)場(chǎng)探測(cè)相結(jié)合，本文提出的算法可用于更加廣泛的研究區(qū)域。

6 結(jié)論

本文使用了無監(jiān)督機(jī)器學(xué)習(xí)的技術(shù)手段，構(gòu)建了海底滑坡危險(xiǎn)性評(píng)價(jià)方法，通過對(duì)黃河口埕島海域的多種地質(zhì)參數(shù)分析并進(jìn)行了計(jì)算，分析了海底滑坡危險(xiǎn)性評(píng)價(jià)結(jié)果并對(duì)算法參數(shù)展開了討論，主要得到以下結(jié)論：

（1）使用基于無監(jiān)督機(jī)器學(xué)習(xí)的譜聚類算法能夠?qū)S河口海底滑坡進(jìn)行準(zhǔn)確的評(píng)價(jià)分類，表示研究區(qū)內(nèi)不同分組的海底滑坡相對(duì)危險(xiǎn)性，當(dāng)網(wǎng)絡(luò)中含有9個(gè)輸入節(jié)點(diǎn)、4個(gè)輸出節(jié)點(diǎn)、核函數(shù)參數(shù)為0.08時(shí)具有最好的聚類效果。

（2）黃河口埕島海域海底滑坡危險(xiǎn)性與水深分布相關(guān)性較大，危險(xiǎn)區(qū)域分布于6～12 m水深，較危險(xiǎn)區(qū)域分布于危險(xiǎn)區(qū)域外圍的5～14 m水深，較安全區(qū)域分布于水深小于5 m的位置，安全區(qū)域位于水深大于14 m的位置。

（3）基于譜聚類方法得到的黃河口埕島海域海底滑坡危險(xiǎn)性分區(qū)結(jié)果與各類地質(zhì)環(huán)境因素都存在相關(guān)關(guān)系，其中，沉積物類型和水動(dòng)力作用是最根本的影響因素，液化是本研究區(qū)海底滑坡最重要的觸發(fā)因子。

（4）模型核函數(shù)參數(shù)應(yīng)選擇聚類結(jié)果評(píng)分高的，輸入因子類別在數(shù)據(jù)不足時(shí)可適當(dāng)簡(jiǎn)化，需包含海底滑坡自身?xiàng)l件和觸發(fā)因子兩方面，評(píng)價(jià)結(jié)果與充足輸入因子結(jié)果相比精度降低。

圖7 不同核函數(shù)參數(shù)海底滑坡危險(xiǎn)性評(píng)價(jià)結(jié)果Fig.7 Risk assessment results of submarine landslides with different kernel function parameters