基于GIS 和隨機(jī)森林的采動(dòng)區(qū)建筑物損害綜合評(píng)價(jià)

王文娜，吳 侃，陳冉麗，王 瑞，4，刁鑫鵬，2

（1.中國礦業(yè)大學(xué) 環(huán)境與測(cè)繪學(xué)院，江蘇 徐州 221116；2.江蘇省資源環(huán)境信息工程重點(diǎn)實(shí)驗(yàn)室，江蘇 徐州 221116；3.石家莊鐵路職業(yè)技術(shù)學(xué)院，河北 石家莊 050041；4.江西理工大學(xué) 應(yīng)用科學(xué)學(xué)院，江西 贛州 341000）

0 引 言

煤炭地下開采引起地表移動(dòng)變形，采動(dòng)影響區(qū)內(nèi)的村莊建筑物會(huì)受到不同程度的損害，嚴(yán)重?fù)p害了村民的權(quán)益［1］。 在地下開采過程中，一般會(huì)根據(jù)《建筑物、水體、鐵路及主要井巷煤柱留設(shè)與壓煤開采規(guī)范》（以下簡(jiǎn)稱“規(guī)范”）中制定的農(nóng)村磚混結(jié)構(gòu)建筑物損壞等級(jí)標(biāo)準(zhǔn)進(jìn)行預(yù)測(cè)分級(jí)，而實(shí)際建筑物出現(xiàn)的裂縫會(huì)在房屋調(diào)查中作為損害程度的標(biāo)準(zhǔn)再次定級(jí)，確定合理的開采方案作為建筑物損害補(bǔ)償?shù)囊罁?jù)。 根據(jù)建筑物損害程度進(jìn)行定級(jí)的結(jié)果往往與根據(jù)地表變形值預(yù)計(jì)的等級(jí)不同，這是因?yàn)榈叵麻_采引起的地表移動(dòng)和變形是建筑物損害的誘發(fā)因素，建筑物自身也會(huì)作為關(guān)鍵因素影響建筑物最終的受損情況［2］。 所以在進(jìn)行損害評(píng)價(jià)和預(yù)測(cè)過程中要考慮多方面的指標(biāo)，采取更合理的方法進(jìn)行綜合預(yù)測(cè)，使建筑物的損害預(yù)測(cè)等級(jí)與實(shí)際建筑物損害程度的定級(jí)結(jié)果更貼近。

GIS 為一個(gè)強(qiáng)大的地理分析工具，在開采損害評(píng)價(jià)中逐漸得到應(yīng)用，HYUN－JOO Oh 等［3］將基于地理信息系統(tǒng)的證據(jù)權(quán)重法應(yīng)用于地面沉降空間危險(xiǎn)性制圖中，IBRAHIM DJAMALUDDIN 等［4］基于地理信息系統(tǒng)的三維動(dòng)態(tài)模型的可靠性，將其應(yīng)用于中國地表結(jié)構(gòu)下采煤沉陷損害的預(yù)測(cè)和評(píng)估［4］，饒正保等［5］基于GIS 進(jìn)行了沉陷區(qū)建筑物損害評(píng)價(jià)與可視化。 采動(dòng)區(qū)建筑物損害評(píng)價(jià)未建立系統(tǒng)的評(píng)價(jià)體系，傳統(tǒng)的評(píng)價(jià)方法的預(yù)計(jì)結(jié)果主要與工作面的開采情況有關(guān)，與建筑物損害的實(shí)際情況不相符。在考慮多方面因素對(duì)建筑物損害進(jìn)行綜合評(píng)價(jià)時(shí)，由于評(píng)價(jià)指標(biāo)中有屬于定性的情況，對(duì)建筑物損害進(jìn)行評(píng)價(jià)主要采用模糊綜合評(píng)價(jià)方法，評(píng)價(jià)指標(biāo)的權(quán)重通過層次分析法得出，依賴于專家打分的結(jié)果，有一定的主觀性［6－7］。 此外，聚類分析、灰色關(guān)聯(lián)分析、物元模型、點(diǎn)數(shù)法、熵權(quán)法等評(píng)價(jià)方法也在采動(dòng)區(qū)建筑物損害研究中得到了應(yīng)用［8］。 點(diǎn)數(shù)法根據(jù)建筑物自身因素劃分建筑物并分別賦予相應(yīng)的點(diǎn)數(shù)并劃分級(jí)別，建立地表變形與建筑物抵抗變形能力的關(guān)系，利用GIS 對(duì)建筑物損害進(jìn)行定級(jí)，但實(shí)質(zhì)也是典型的專家打分法［9］；熵權(quán)法雖然能避免人為賦權(quán)的主觀性，但需要大量的實(shí)測(cè)數(shù)據(jù)作為支撐來提高評(píng)價(jià)結(jié)果的可靠性［10］。

筆者基于GIS 將開采引起的地表移動(dòng)、變形和建筑物自身的因素聯(lián)合在一起，與房屋調(diào)查的定級(jí)結(jié)果相對(duì)應(yīng)，以河北省某礦區(qū)的兩個(gè)村莊的建筑物分別作為訓(xùn)練集和測(cè)試集，采用隨機(jī)森林的機(jī)器學(xué)習(xí)的方法來訓(xùn)練損害等級(jí)模型，并使用模型根據(jù)已有的指標(biāo)預(yù)測(cè)測(cè)試集的等級(jí)，計(jì)算模型的預(yù)測(cè)精度，分析各等級(jí)的預(yù)測(cè)情況，效果與傳統(tǒng)方法相比有明顯提升。

1 建筑物損害評(píng)價(jià)研究方案

1.1 預(yù)測(cè)指標(biāo)

開采帶來的地表移動(dòng)變形包括傾斜、 曲率、水平變形等，都會(huì)對(duì)建筑物產(chǎn)生不同性質(zhì)和程度的影響。 當(dāng)建筑物無法抵抗移動(dòng)和變形帶來的附加應(yīng)力時(shí)就會(huì)產(chǎn)生裂縫、傾斜等破壞。 地下開采帶來的建筑物損害是一個(gè)動(dòng)態(tài)的過程，建筑物在工作面推進(jìn)到一定位置時(shí)開始發(fā)生變化，主要受帶地表拉伸和正曲率的影響。 工作面繼續(xù)推進(jìn)后，將會(huì)產(chǎn)生地表壓縮和負(fù)曲率，對(duì)建筑物造成損害，若繼續(xù)推進(jìn)至建筑物位于下沉盆地中心，將恢復(fù)原始狀態(tài)不再受到地面移動(dòng)變形的影響，但工作面推進(jìn)過程中建筑物受到的損害是不可逆的。 農(nóng)村建筑物高度小，傾斜變形相對(duì)影響較小，根據(jù)工作面推進(jìn)過程中建筑物的受損情況，選擇曲率和水平變形作為建筑物損害預(yù)測(cè)的開采因素指標(biāo)［11－13］。

建筑物自身的因素決定了其抗變形能力，主要因素有建筑物的修建時(shí)間、尺寸及結(jié)構(gòu)。 一般建筑物的修建時(shí)間越早抗變形能力越弱，建筑物尺寸越大對(duì)建筑物越不利，而農(nóng)村的建筑物結(jié)構(gòu)主要包括磚木結(jié)構(gòu)和磚混結(jié)構(gòu)，相較而言，磚混結(jié)構(gòu)比磚木結(jié)構(gòu)抗變形能力強(qiáng)［14－15］。

根據(jù)采動(dòng)區(qū)建筑物損害因素分析收集數(shù)據(jù)并選取建筑物損害的預(yù)測(cè)指標(biāo)，選取的采動(dòng)區(qū)建筑物損 害評(píng)價(jià)指標(biāo)與描述信息見表1。

表1 評(píng)價(jià)指標(biāo)Table 1 Evaluation index

1.2 預(yù)測(cè)方法

利用近年來不斷發(fā)展并在各個(gè)領(lǐng)域得到應(yīng)用的機(jī)器學(xué)習(xí)人工智能方法進(jìn)行損害等級(jí)預(yù)測(cè)。 機(jī)器學(xué)習(xí)是人工智能的核心，Tom Mitchell 對(duì)其做了一個(gè)形式化的定義：假設(shè)用P來評(píng)估計(jì)算機(jī)程序在某類任務(wù)T上的性能，若一個(gè)程序通過利用經(jīng)驗(yàn)E在任務(wù)T上獲得性能的改善，則關(guān)于T和P，該程序?qū)進(jìn)行了學(xué)習(xí)［16］。 機(jī)器學(xué)習(xí)主要研究在計(jì)算機(jī)上從數(shù)據(jù)中產(chǎn)生模型的算法，根據(jù)模型訓(xùn)練方法的不同可將機(jī)器學(xué)習(xí)算法分為 3 類： 監(jiān)督學(xué)習(xí)算法（Supervised Algorithms）、無監(jiān)督學(xué)習(xí)算法（Unsuper?vised Algorithms）、強(qiáng)化學(xué)習(xí)算法（Reinforcement Al?gorithms），監(jiān)督學(xué)習(xí)根據(jù)已知的輸入和輸出訓(xùn)練模型，讓模型能夠預(yù)測(cè)未來輸出；無監(jiān)督學(xué)習(xí)從輸入數(shù)據(jù)中找出隱藏模式或內(nèi)在結(jié)構(gòu)；而強(qiáng)化學(xué)習(xí)算法根據(jù)輸出結(jié)果（決策）的成功或錯(cuò)誤來訓(xùn)練自己，通過大量經(jīng)驗(yàn)訓(xùn)練優(yōu)化后的算法實(shí)現(xiàn)較好的預(yù)測(cè)。

本研究采動(dòng)區(qū)建筑物損害等級(jí)的預(yù)測(cè)，適用于監(jiān)督學(xué)習(xí)算法，監(jiān)督學(xué)習(xí)又包括分類和回歸，分類用于預(yù)測(cè)數(shù)據(jù)屬于的類別，回歸根據(jù)訓(xùn)練集預(yù)測(cè)連續(xù)的、具體的數(shù)值，而本文的等級(jí)預(yù)測(cè)結(jié)果屬于離散型的分類。 機(jī)器學(xué)習(xí)目前已成為解決各行各業(yè)的問題的一種有效手段，典型的包括醫(yī)學(xué)成像、語音識(shí)別和信用評(píng)估，損害預(yù)測(cè)方面的應(yīng)用有基于隨機(jī)森林和梯度增強(qiáng)分類器的震害預(yù)測(cè)［17］，使用隨機(jī)森林識(shí)別出導(dǎo)致橋梁損壞的重要因素［18］，使用支持向量機(jī)進(jìn)行建筑物采動(dòng)預(yù)測(cè)［19］等。 依據(jù)收集、整理的采動(dòng)區(qū)建筑物損害數(shù)據(jù)集的數(shù)據(jù)大小和類型、模型的性能和預(yù)測(cè)類型，選用隨機(jī)森林分類器進(jìn)行等級(jí)預(yù)測(cè)。

2 實(shí)例研究

2.1 研究區(qū)概況

研究對(duì)象為河北省某采動(dòng)區(qū)2 個(gè)村莊的地面密集建筑物，大體分為兩類，多數(shù)建筑物屬于多年陳舊磚木結(jié)構(gòu)建筑物，建設(shè)年代久遠(yuǎn)，建筑物比較陳舊，建筑結(jié)構(gòu)差，抗變形能力較低。 另一類少數(shù)民房屬于20 世紀(jì)80 年代后建設(shè)，為磚混結(jié)構(gòu)平房，建筑質(zhì)量相對(duì)較高，抗變形能力也較強(qiáng)。 研究區(qū)的兩個(gè)村莊分別作為訓(xùn)練集和測(cè)試集，測(cè)試集村莊的空間位置、范圍和各工作面分布情況如圖1 所示。

圖1 測(cè)試集村莊的空間位置、范圍和各工作面分布情況Fig.1 Spatial position，scope and distribution of each working face of test set village

由采動(dòng)區(qū)歷年觀測(cè)結(jié)果以及綜合分析，選取預(yù)計(jì)參數(shù)如下：下沉系數(shù)q＝0.78，水平移動(dòng)系數(shù)b＝0.3，最大下沉角θ＝90°－0.4α，主要影響角正切tanβ＝1.7，拐點(diǎn)偏移距S＝0。 由井上下對(duì)照?qǐng)D可知，已開采工作面中的13253，13254，13255，13256，13257，13258，132121，132123 工作面均對(duì)村莊范圍內(nèi)建筑的損壞造成了影響，需對(duì)這些工作面的開采對(duì)地面建構(gòu)筑物的聯(lián)合影響進(jìn)行分析。

2.2 地表移動(dòng)變形預(yù)計(jì)

概率積分法目前已成為我國較成熟的、應(yīng)用最為廣泛的預(yù)計(jì)方法之一，也是《“三下”采煤及煤柱留設(shè)規(guī)范》所載計(jì)算方法，本文選取這一方法對(duì)研究區(qū)域進(jìn)行預(yù)計(jì)［20－22］。 根據(jù)上文選區(qū)的損害預(yù)測(cè)指標(biāo)，將得到的預(yù)計(jì)數(shù)據(jù)在arcgis 中根據(jù)坐標(biāo)生成點(diǎn)，然后分別對(duì)水平變形、傾斜、曲率選擇克里金方法進(jìn)行插值得到相應(yīng)的矢量面，再根據(jù)《“三下”采煤及煤柱留設(shè)規(guī)范》各等級(jí)相應(yīng)的變形范圍進(jìn)行重分類，最后利用像元統(tǒng)計(jì)方法獲取各柵格像元的最大值。 如圖2 所示即為利用arcgis 和條件分析法根據(jù)預(yù)計(jì)值得到的預(yù)計(jì)等級(jí)分布圖。 此時(shí)的等級(jí)圖多是呈條帶狀分布，而最終的建筑物損害程度并沒有呈此規(guī)律分布。

圖2 測(cè)試集村莊開采損害預(yù)計(jì)等級(jí)Fig.2 Test set village projected level map

2.3 數(shù)據(jù)整理與標(biāo)準(zhǔn)化

根據(jù)調(diào)查的裂縫情況按照《“三下”采煤及煤柱留設(shè)規(guī)范》給建筑物定級(jí)并賦值，Ⅰ、Ⅱ、Ⅲ、Ⅳ級(jí)對(duì)應(yīng)值1，2、3，4，無明顯狀況和倒塌的分別賦予0 和5，并將收集到的時(shí)間和結(jié)構(gòu)2 種屬性轉(zhuǎn)換為折舊系數(shù)和補(bǔ)償標(biāo)準(zhǔn)兩種數(shù)值以方便進(jìn)行后續(xù)的預(yù)測(cè)，基于GIS 將整理的折舊系數(shù)、補(bǔ)償標(biāo)準(zhǔn)、面積及等級(jí)作為建筑物矢量數(shù)據(jù)的屬性表。 利用深度學(xué)習(xí)方法在遙感圖像提取建筑物分布圖，為每戶添加編號(hào)，通過編號(hào)將整理的建筑物調(diào)查表連接到建筑物矢量面上來。 另外將預(yù)計(jì)得到的曲率和水平變形數(shù)據(jù)進(jìn)行插值，根據(jù)井上下開采圖的建筑物位置來提取每戶建筑所在位置的曲率和水平變形數(shù)據(jù)，通過位置和編號(hào)連接至建筑物矢量面，即可得到用于訓(xùn)練和預(yù)測(cè)建筑物損害情況的基礎(chǔ)數(shù)據(jù)。 在利用深度學(xué)習(xí)提取建筑物分布圖上，將測(cè)試集村莊的建筑物損害等級(jí)進(jìn)行分級(jí)可視化的結(jié)果如圖3 所示。

2.4 訓(xùn)練和預(yù)測(cè)

在ArcGIS 上將建筑物的等級(jí)通過符號(hào)系統(tǒng)進(jìn)行分級(jí)顯示時(shí)可發(fā)現(xiàn)各個(gè)等級(jí)分布散亂，難以尋找規(guī)律，測(cè)試集278 戶中Ⅰ、Ⅱ、Ⅲ、Ⅳ級(jí)、無損害及倒塌的分別占25%，49%，10%，7%，1%，8%，損害等級(jí)與通過開采沉陷預(yù)計(jì)得到的等級(jí)相對(duì)應(yīng)的有117戶，即與調(diào)查結(jié)果無強(qiáng)烈對(duì)應(yīng)關(guān)系。 經(jīng)過數(shù)據(jù)整理與標(biāo)準(zhǔn)化創(chuàng)建了具有5 變量的數(shù)據(jù)集，這些數(shù)據(jù)有助于對(duì)采動(dòng)區(qū)建筑物損害情況進(jìn)行評(píng)價(jià)和預(yù)測(cè)，使用準(zhǔn)備好的數(shù)據(jù)和機(jī)器學(xué)習(xí)庫來創(chuàng)建訓(xùn)練模型并對(duì)測(cè)試集進(jìn)行預(yù)測(cè)。

選擇隨機(jī)森林分類方法，使用分層抽樣選取了314 個(gè)建筑物作為訓(xùn)練集，訓(xùn)練模型并進(jìn)行評(píng)估，根據(jù)模型性能進(jìn)行調(diào)參然后對(duì)容量為278 的測(cè)試集進(jìn)行預(yù)測(cè)。 訓(xùn)練集特征為建筑物屬性表中的折舊系數(shù)、補(bǔ)償標(biāo)準(zhǔn)、面積、曲率、水平變形，對(duì)應(yīng)特征為損害等級(jí)，模型訓(xùn)練后根據(jù)模型的性能進(jìn)行調(diào)參來提高分類效果。 隨機(jī)森林分類效果（準(zhǔn)確率）與2 個(gè)因素有關(guān)：①森林中任意兩棵樹的相關(guān)性：相關(guān)性越大，錯(cuò)誤率越大；②森林中每棵樹的分類能力：每棵樹的分類能力越強(qiáng)，整個(gè)森林的錯(cuò)誤率越低，而樹的相關(guān)性和分類能力與特征選擇個(gè)數(shù)（m）相關(guān)，通過多次嘗試選擇最優(yōu)的m（或范圍）來提高結(jié)果的準(zhǔn)確性，最后將模型應(yīng)用于測(cè)試集進(jìn)行預(yù)測(cè)，將其保存為要素類。

3 結(jié)果分析與評(píng)價(jià)

使用隨機(jī)森林方法可得到參與訓(xùn)練的評(píng)價(jià)指標(biāo)重要性表、訓(xùn)練集和測(cè)試集的分類結(jié)果，在得到的結(jié)果要素類中將預(yù)計(jì)等級(jí)、真實(shí)等級(jí)和預(yù)測(cè)等級(jí)以圖表形式可視化，并新建傳統(tǒng)方法預(yù)計(jì)情況和隨機(jī)森林方法預(yù)測(cè)情況2 個(gè)字段，使用字段計(jì)算器分別計(jì)算和分析2 種方法的準(zhǔn)確率，并以混淆矩陣的形式顯示分類結(jié)果的精度。 樣本數(shù)為314 的訓(xùn)練結(jié)果中，采用傳統(tǒng)方法預(yù)計(jì)正確的有70 個(gè)，利用隨機(jī)森林進(jìn)行綜合預(yù)測(cè)正確的有235 個(gè)，正確率為75%，樣本數(shù)為278 的測(cè)試結(jié)果中，傳統(tǒng)方法預(yù)計(jì)正確的有117 個(gè)，正確率為42%，本方法預(yù)測(cè)正確的有197個(gè)，正確率為71%，與傳統(tǒng)方法相比，有了明顯的提高。 隨機(jī)森林分類得到的評(píng)價(jià)指標(biāo)重要性見表3，圖4、圖5 分別為訓(xùn)練集和測(cè)試集的建筑物損害等級(jí)對(duì)比圖，顯示了開采沉陷預(yù)計(jì)等級(jí)、調(diào)查定級(jí)與綜合預(yù)測(cè)等級(jí)的分布情況，圖6、7 分別為訓(xùn)練集和測(cè)試集的精度評(píng)價(jià)混淆矩陣，圖中上、下兩行數(shù)據(jù)分別為正確率和錯(cuò)誤率。

表2 評(píng)價(jià)指標(biāo)重要性Table 2 Importance of evaluation indicators

圖4 訓(xùn)練集建筑物損害等級(jí)對(duì)比Fig.4 Training set building damage level comparison chart

圖5 測(cè)試集建筑物損害等級(jí)對(duì)比Fig.5 Test set building damage rating comparison chart

圖6 訓(xùn)練集混淆矩陣Fig.6 Training set obfuscation matrix

圖7 測(cè)試集混淆矩陣Fig.7 Test set obfuscation matrix

在測(cè)試集中，有197 個(gè)樣本預(yù)測(cè)正確，Ⅰ、Ⅱ、Ⅲ、Ⅳ級(jí)、無損害與倒塌的分別為39，134，7、5，2、10個(gè)，其中Ⅱ級(jí)預(yù)測(cè)正確率最高，達(dá)到了98.5%，Ⅲ級(jí)正確率最低為24.1%，經(jīng)過分析數(shù)據(jù)集知訓(xùn)練樣本和測(cè)試樣本中Ⅱ級(jí)的真實(shí)戶數(shù)占比最多，且各指標(biāo)值涉及范圍較大，故容易將等級(jí)預(yù)測(cè)為Ⅱ級(jí)。 各等級(jí)的預(yù)計(jì)和預(yù)測(cè)情況統(tǒng)計(jì)見表3，建筑物等級(jí)預(yù)測(cè)情況分布圖如圖8 所示，展示了各建筑物和各等級(jí)的預(yù)測(cè)分布情況。

圖8 測(cè)試集建筑物等級(jí)預(yù)測(cè)情況分布Fig.8 Test set building grade forecast distribution chart

表3 等級(jí)統(tǒng)計(jì)Table 3 Statistical of grades

4 結(jié) 論

1）首先采用傳統(tǒng)方法對(duì)采動(dòng)區(qū)開采沉陷進(jìn)行預(yù)計(jì)，按照《“三下”采煤及煤柱留設(shè)規(guī)范》各等級(jí)的地表變形值利用GIS 進(jìn)行計(jì)算和分析，得出村莊建筑物所在位置的預(yù)計(jì)損害等級(jí)，但該等級(jí)分布主要與開采工作面位置、采深、采厚和預(yù)計(jì)參數(shù)有關(guān)，呈條帶狀分布，與實(shí)際調(diào)查結(jié)果不符。

2）根據(jù)預(yù)計(jì)的地表移動(dòng)、變形等數(shù)據(jù)與建筑物調(diào)查數(shù)據(jù)選取采動(dòng)區(qū)建筑物損害預(yù)測(cè)的5 個(gè)指標(biāo)，采用深度學(xué)習(xí)的方法從遙感圖像上提取了村莊的建筑物，根據(jù)樣本編號(hào)和位置將指標(biāo)數(shù)據(jù)連接到建筑物分布圖上，整理出訓(xùn)練樣本和測(cè)試樣本，利用隨機(jī)森林的分類方法訓(xùn)練和預(yù)測(cè)。 最終測(cè)試集的預(yù)測(cè)準(zhǔn)確率為71%，傳統(tǒng)方法的正確率為42%，相比傳統(tǒng)預(yù)計(jì)方法有了很大的進(jìn)步，能夠?yàn)榻窈蟮牟蓜?dòng)區(qū)建筑物損害評(píng)價(jià)提供一種研究思路，對(duì)采動(dòng)區(qū)的開采工作也有一些參考價(jià)值。

3）由于選取的指標(biāo)不夠全面且訓(xùn)練樣本的數(shù)量有限和等級(jí)分布不均衡等因素的影響，使得研究結(jié)果的精度還有一定的提升空間，在后續(xù)的研究中可選取更全面的預(yù)測(cè)指標(biāo)，增大訓(xùn)練樣本集，并對(duì)數(shù)據(jù)進(jìn)行篩選使得各等級(jí)的數(shù)據(jù)較為均衡再對(duì)采動(dòng)區(qū)建筑物損害等級(jí)進(jìn)行綜合預(yù)測(cè)，提高預(yù)測(cè)精度使該評(píng)價(jià)方法能夠應(yīng)用到采動(dòng)區(qū)開采的規(guī)劃和管理工作中來。