基于GISANN的寧德地質災害風險評價系統研究

張世良

基于GISANN的寧德地質災害風險評價系統研究

張世良

（寧德師范學院計算機系，福建寧德352100）

將GIS技術和神經網絡集成應用于寧德地質災害危險性評價中，發揮GIS強大的空間信息可視化管理分析功能及神經網絡的非線性描述和分析功能，建立GISANN模型.旨在實現地質災害危險性評價的可視化管理，為寧德國土資源開發、環境保護、地質災害防治工程等提供科學決策依據，增強政府自然災害應急救助能力，為和諧社會建設和可持續發展提供科學支撐.

危險性評價；地質災害；GIS；倒傳遞類神經網絡

寧德市地質災害易發區分布范圍較廣，具有點多、面廣、突發性強、危害性大的特點，除濱海平原、山間盆地、山前坡麓及零星洼地外，大部分山區、溝谷、溝口、坡度≥15°的土質斜坡及結構面與斜坡坡向同向且傾角小于坡角的巖質斜坡，極易產生滑坡、崩塌、泥石流等各類地質災害［1］.2008年寧德市連續遭受“風神”和“海鷗”、“鳳凰”、“森拉克”、“薔薇”等多次臺風暴雨的影響，全市共發生大小地質災害50起，其中滑坡25起，崩塌25起；2010年6月12日-6月19日福建省遭遇50年一遇持續強降雨侵襲期間，寧德市古田縣地質災害嚴重，造成多處重要交通干線中斷、多人傷亡和人民財產嚴重損失.利用GIS技術和神經網絡集成應用于寧德地質災害危險性評價.根據寧德地質災害發育和分布特征，社會經濟條件和歷史災情記錄，初步提出一套適合寧德地質災害風險評價的技術體系，對于有效應對和防御各類地質災害，增強政府地質災害應急救助能力有積極意義.

1 改進的RBF算法

類神經網絡（Artificial Neural Network）是一種以計算機的軟、硬件來模仿生物神經網絡信息處理模式之計算系統，具有學習能力，并且在學習完成后使用十分方便，能快速得到結果，因此早已應用于各領域的研究上［2］.類神經網絡是由復雜的權重與轉換函數所構成，因此通常被視為黑箱模型的一種，并無法直接衡量每個輸入變量的作用與重要性.然而，在類神經網絡中又分為許多模式，每一種模式皆有獨特的算法與適用的問題，其中倒傳遞類神經網絡［3］（Back Propagation Neural Network，BPNN）加入EDBD算法(Extended Delta-Bar-Delta Algorithm)后是一種加速收斂的方法，對于學習循環中跳躍和趨緩有加速收斂和提高精準度之效，這在衛星影像分類上并不多見.筆者以PBN+EDBD作為本文主要的研究方法，該方法是對神經網絡與GIS對現有的地質災害風險評價理論框架進行了適度的改進.

當BPN使用固定學習速率進行學習時，經常會遭遇兩種現象，即減緩現象與跳出現象，主要內容有幾個方面.

1.1減緩現象

在網絡學習過程中，某一連結的權值改變量連續數次為同號，即連續為正或連續為負，這表示該連結的上端神經元之差距量連續為正或連續為負（見圖1）.這種現象也表示著使誤差函數達到最低值的權值尚末被跳過.如果誤差函數遞減的速度遞減，稱為減緩現象.

1.2跳出現象

在網絡學習過程中，某一連結的權值改變量連續數次為異號，即正負連續穿插，這表示該處神經元的差距量連續正負相互穿插（見圖2）.這種現象也表示著使誤差函數達到最低值的權值已經跳過.如果誤差函數值遞增，稱為跳出現象.

圖1 減緩現象

圖2 跳出現象

為了改善上述兩種現象，本研究將引用Minia A A等人提出的EDBD算法［4-5］，使BPN學習時之速率與精度提高，EDBD算法相關原理就是在神經網絡的學習權值的改變量+慣性項，用以改善收斂過程中震蕩的現象及加速收斂，見公式（1）.

其中ΔWij(t)表示為Wij（表示介于第n-1層的第i個神經元與第n層的第j個神經元間的權值）第t次學習循環的改變量，其余類推.

αij(t)·ΔWij(t-1)表示慣性項；αij(t)表示慣性因子，控制慣性項之比例，且0≤αij(t)≤1.

其中ηmax表示學習速率上限值.

其中αmax表示慣性因子上限值.

δij(t)：第t次的差距量.式（1）至（5）共有kl、?l、γl、ηmax、km、?m、γm、αmax、ξ等九個參數，其中參數值由使用者依網絡特性而自行決定，一般透過試誤或經驗獲得較佳之參數組合.

2 模型建立

人們所有活動主要都圍繞在道路周邊，離道路越近，人為開發以及破壞程度越高，越影響坡地間原有的穩定性.崩塌所分布的高程，主要集中在人們所涉及，活動較為頻繁且密集之處，邊坡地質、邊坡水文、人為因素對崩塌地的發生和影響因素有相當大的重要性，可用來當作邊坡穩定問題的參考，因此選取了距河川距離與距道路距離及高程3個因子為主要分析因子；因距河川愈近地區，土壤含水量豐富，易發生崩塌，而人們所有之活動主要都圍繞在道路周邊，因此距離道路越近，人為開發以及破壞程度也越高，影響坡地間原有的穩定性［6-7］.選取與道路距離、與河川距離、地形坡度、平均降雨量、人類工程經濟活動強度、泥石流溝密度和地貌類型，而地貌類型包括平原、溝谷和丘陵山地3類，地貌類型控制地物的分布.首先將評估區劃分為127個單元網絡，然后對8個因子進行了定性量化，按照定性評價結果分別賦值，并將該值歸一化后，作為神經網絡的8個輸入向量，選取隱層數量為10，輸出層含有4個神經元，如用1 000、0 100、0 010和0 001代表滑坡、崩塌、不穩定斜坡和泥石流；而輸出四個量中4個輸出值都非常接近1表示極敏感區，有3個值都接近1表示高度敏感區，二個表示敏感區，有一個表示輕度敏感區，沒有接近1表示不敏感區. BPN-EDBD算法的各項數據參數共分為kl、?l、γl、ηmax、km、?m、γm、αmax、ξ等九個參數，在此次的3個范例中皆設為(20、0.7、10、0.1、20、0.7、10、0.1、0.01)，初始權重值與閥值則隨機設為-1至1之間值.整個系統構成8-10-4網絡模型（見圖3）.

圖3 RBFANN預測模型

3 預測結果分析

受災地區的土地信息，如耕地、林地和建設用地等，從遙感數據提取，然后與DEM數據集成對災區地形分成平原區、陡坡區、斜坡區和山谷等類型而形成受災地區地形地圖.然后對遙感圖像進行分割再與坡度信息進行變疊加提取崩塌，滑坡和泥石流等災害分布圖.從地.然后根據災害不同的致災因子對地質災害的影響程度而確定其影響系數，最后分析致災因子對地質災害的分布規律的關系，通過調用集成GIS工具計算，得到地質災害的危險性分布圖.為了提高系統的準確性，首先實地考察選取部分已知的點進行訓練，然后選取整個市的處理數據進行分析，最后效果見圖4.

寧德地區極度敏感區幾乎沒有而且高度敏感度區分布相對比較集中，風險中的地區主要分布于山區各縣，寧德地區地質災害風險較高的地區主要分布于西北地區，即周寧、屏南和壽寧，主要是山體滑坡與泥石流，這些地區地質災害發育，活動性較強、山體穩定性較差受雨水臺風沖蝕較易產生山體滑坡與泥石流.有些地區如霞浦縣的部分地區，幾乎受不到地質災害的危脅.從整個評估結果可看出，使用基于GISANN的寧德地質災害風險評價系統模型能夠有效地解決地質災害評價的不確定性，評估結果與實質情況相差不大，這就表明此模型評估方法是合理可行的，在工程實踐中具有良好的參考價值.

圖4 預測結果分布圖

4 結論

利用地理信息系統所提供的強大空間分析功能和神經網絡的非線性描述和分析功能建立GISANN模型，并且在倒傳遞類神經網絡加入EDBD算法來加速其收斂，使神經網絡在學習循環中跳躍和趨緩有加速收斂作用，從而提高精準度.對寧德地區地質災害資料進行處理，以地圖圖層的形式輸入GIS系統中，作出了地質災害風險程度分布圖，在應對人類自然災害的預測與決策中提供可靠的科學數據，為寧德的環境保護等方面發揮更大作用.

［1］張枝令，張世良.基于GIS的寧德市水資源管理信息系統設計［J］.寧德師范學院學報：自然科學版，2013，25(2)：159-162.

［2］馬銳.人工神經網絡原理［M］.北京：機械工業出版社，2010.

［3］張世良.改進的RBF網絡在寧德市綜合需水預測中的應用［J］.聊城大學學報：自然科學版，2013，26（4）：99-102.

［4］Diedirichs K，Freigang J，Umhau S，etc.1998.Prediction by a neural network of outer membrane{beta}-strand protein topology［J］.Protein Science，7(11)，2413–2420.

［5］Minai A A，Williams R D.Back-propagation heuristics:a study of the extended delta-bardelta algorithm［J］.Neural Networks，1，595-600.

［6］周維華.RBF神經網絡隱層結構與參數優化研究［D］.上海：華東理工大學碩士論文［D］，2013.

［7］柯福陽，李亞云.基于BP神經網絡的滑坡地質災害預測方法［J］.工程勘察，2014(8)：55-60.

The research of geological disaster risk assessment system based on GISANN in Ningde

ZHANG Shi-liang
（Department of Computer,Ningde Normal University,Ningde 352100,Fujian,China）

The paper applied integration of GIS technology and neural network to the geological hazard evaluation of Ningde.The GISANN neural network,with the powerful functions of GIS spatial information visualization and analysis of nonlinear description and analysis,could achieve geological hazard assessment visualization management,to help the development of land and resources,thus to help Ningde,environmental protection and geological disaster prevention projects by providing scientific basis for decision making and enhancing government natural disaster emergency relief capacity,and providing scientific support for building a harmonious society and sustainable development.

risk assessment；geological disasters；GIS；RBF

TP391.9

A

1007-5348（2014）12-0015-04

（責任編輯：歐愷）

2014-10-09

福建省教育廳A類項目（JA14331）；寧德師范學院創新團隊項目（2013T08）；寧德師范學院服務海西項目（2013F33）.

張世良（1973-），男，福建寧德人，寧德師范學院計算機系講師，碩士研究生，主要從事地理信息系統理論與應用的研究.