基于支持向量機(jī)的泥石流危險(xiǎn)性評(píng)價(jià)★

于建洲 袁 穎

(石家莊經(jīng)濟(jì)學(xué)院勘查技術(shù)與工程學(xué)院，河北 石家莊 050031)

基于支持向量機(jī)的泥石流危險(xiǎn)性評(píng)價(jià)★

于建洲 袁 穎

(石家莊經(jīng)濟(jì)學(xué)院勘查技術(shù)與工程學(xué)院，河北 石家莊 050031)

采用支持向量機(jī)的計(jì)算方法，對(duì)云南省7個(gè)樣本集的評(píng)價(jià)指標(biāo)數(shù)據(jù)和目標(biāo)值進(jìn)行了分組訓(xùn)練和測(cè)試，建立了泥石流危險(xiǎn)性評(píng)價(jià)模型，達(dá)到了較明顯效果，指出該方法在泥石流危險(xiǎn)度劃分中具有較好的利用價(jià)值。

泥石流，支持向量機(jī)，危險(xiǎn)性評(píng)價(jià)

0 引言

泥石流是一種常見的山區(qū)地質(zhì)災(zāi)害，具有突然爆發(fā)、能量大、來勢(shì)兇猛、破壞力極強(qiáng)的特點(diǎn)，常瞬間就能淹沒村莊、農(nóng)田，沖毀道路橋梁等建筑物，給山區(qū)人民生命安全、經(jīng)濟(jì)發(fā)展和建筑交通造成極大威脅和損害。因此，泥石流危險(xiǎn)性評(píng)價(jià)在土地應(yīng)用、城鎮(zhèn)規(guī)劃道路選線等減災(zāi)預(yù)案中都具有重要作用[1]。

泥石流危險(xiǎn)性評(píng)價(jià)是根據(jù)泥石流危險(xiǎn)度劃分出各區(qū)域(或單溝)泥石流危險(xiǎn)等級(jí)的方法，其本質(zhì)屬于模式識(shí)別問題[2]。泥石流危險(xiǎn)性評(píng)價(jià)現(xiàn)在常用神經(jīng)網(wǎng)絡(luò)的方法[3]，神經(jīng)網(wǎng)絡(luò)方法需要大樣本作為基礎(chǔ)，而大量泥石流數(shù)據(jù)的采集存在一定困難。本項(xiàng)目引入支持向量機(jī)的方法進(jìn)行泥石流的危險(xiǎn)性評(píng)價(jià)。支持向量機(jī)是一種機(jī)器學(xué)習(xí)算法，可以有效的解決小樣本、非線性及高維模式識(shí)別問題[4]。

1 支持向量機(jī)理論

支持向量機(jī)的主要特征是引入了結(jié)構(gòu)風(fēng)險(xiǎn)最小化代替了經(jīng)驗(yàn)風(fēng)險(xiǎn)最小化，核心思想是把數(shù)據(jù)非線性映射到高維核空間，在核空間構(gòu)造具有低VC維的最優(yōu)分類超平面[4-6]。以二分類數(shù)據(jù)為例，對(duì)于給定的訓(xùn)練樣本：(xi,yi)，i=1,2,…，l，x∈Rn，y∈{±1},超平面記為(w,x)+b=0,為使分類面對(duì)所有樣本正確分類且具備分類間隔，就要求滿足如下約束：

yi[(w·xi)+b]≥1(i=1,2,…，l)。

可以計(jì)算出分類間隔為2/‖w‖，因此構(gòu)造最優(yōu)超平面的問題就轉(zhuǎn)化為在約束條件下求：

引入Lagrange函數(shù)：

其中，ai>0為L(zhǎng)anrange乘數(shù)，則xi為支持向量，得到它的對(duì)偶問題：

計(jì)算最優(yōu)權(quán)值向量w*和最優(yōu)偏置b*，分別為：

構(gòu)造超平面(w*·x)+b*=0，由此可得最優(yōu)分類函數(shù)為：

f(x)=sgn{(w*·x)+b*}=

核函數(shù)是支持向量機(jī)應(yīng)用研究的關(guān)鍵，直接決定最終的效率和性能。支持向量機(jī)大多數(shù)是非線性的，不同的核函數(shù)有其自身的特性，本論文借鑒了原立峰等[7]的研究成果，選用RBF徑向基函數(shù)，其具有較強(qiáng)的非線性映射能力，應(yīng)用極為廣泛。

2 泥石流危險(xiǎn)性評(píng)價(jià)SVM模型的建立

2.1 評(píng)價(jià)指標(biāo)

泥石流溝巖性及構(gòu)造特征的復(fù)雜性，決定了影響泥石流危險(xiǎn)性的評(píng)價(jià)因子很多，劉希林等[8]對(duì)泥石流影響因子作出分析，根據(jù)其在危險(xiǎn)度判定中起主導(dǎo)作用還是輔助作用分為主要因子和次要因子，通過灰色關(guān)聯(lián)度分析，最終得出一次泥石流(可能)最大沖出量(L1)、泥石流發(fā)生頻率(L2)為主導(dǎo)因子，流域面積(S1)、主溝長(zhǎng)度(S2)、流域最大相對(duì)高差(S3)、流域切割密度(S6)、泥砂補(bǔ)給段長(zhǎng)度比(S9)為輔助因子。

2.2 建立模型

本次研究選取文獻(xiàn)[8]中云南省37條溝的259個(gè)數(shù)據(jù)為基礎(chǔ)，根據(jù)文獻(xiàn)[7]原立峰等對(duì)其做出的評(píng)價(jià)數(shù)據(jù)，將泥石流危險(xiǎn)度的評(píng)價(jià)結(jié)果分為：輕度危險(xiǎn)、中度危險(xiǎn)、高度危險(xiǎn)和極度危險(xiǎn)4類(分別用1，2，3，4表示)，通過上述因子評(píng)價(jià)泥石流的危險(xiǎn)性。

本文中使用了 LIBSVM 相關(guān)工具包[9]，從37個(gè)樣本中剔除6個(gè)樣本(包括1大箐溝、5黃龍山溝、16王官屯溝、20花溝、23蔣家溝、37白泥溝，保證每個(gè)地區(qū)有一個(gè)樣本代表)作為訓(xùn)練樣本，而剔除的部分作為測(cè)試樣本，分別對(duì)原始數(shù)據(jù)進(jìn)行(0，1)歸一化處理，支持向量機(jī)核函數(shù)選用徑向基(RBF)，采用交叉驗(yàn)證法進(jìn)行網(wǎng)格搜索尋找最優(yōu)參數(shù)值，最終選取了懲罰因子c=4，核參數(shù)g=0.015 625，結(jié)果顯示能夠?qū)τ?xùn)練樣本和測(cè)試樣本準(zhǔn)確分類。

3 實(shí)例應(yīng)用

為測(cè)試上述所建立模型的推廣性，又采用黃河上游積石峽水電站庫(kù)區(qū)16條泥石流溝[10]數(shù)據(jù)進(jìn)行了驗(yàn)證，采用原始的c，g值，測(cè)試結(jié)果顯示16條溝中僅有5條測(cè)試準(zhǔn)確，而我們采用其他優(yōu)化算法確定的c，g值進(jìn)行預(yù)測(cè)，也只有6條準(zhǔn)確。當(dāng)我們將黃河的部分?jǐn)?shù)據(jù)加入到樣本數(shù)據(jù)集進(jìn)行重新訓(xùn)練并作預(yù)測(cè)時(shí)，發(fā)現(xiàn)有12條溝測(cè)試準(zhǔn)確，識(shí)別率提高到75%，此時(shí)c=512，g=1。這說明即使SVM模型對(duì)云南省37條溝的數(shù)據(jù)計(jì)算很準(zhǔn)，但其推廣和運(yùn)用能力依然不能識(shí)別黃河上游積石峽水電站庫(kù)區(qū)16條泥石流溝，需要添加更多的待識(shí)別區(qū)域的樣本數(shù)據(jù)才能使建設(shè)的SVM具有更好地推廣性和正確的識(shí)別效果，調(diào)整后的預(yù)測(cè)結(jié)果見表1。

表1 黃河上游積石峽水電站庫(kù)區(qū)16條泥石流溝預(yù)測(cè)結(jié)果

4 結(jié)論與建議

支持向量機(jī)作為一種新型基于數(shù)據(jù)統(tǒng)計(jì)學(xué)習(xí)的機(jī)器算法，在本文的研究中運(yùn)用泥石流溝的7個(gè)影響因子較有成效的解決了小樣本的泥石流危險(xiǎn)度評(píng)價(jià)問題，同時(shí)也對(duì)泥石流的防治提出了工程性等級(jí)要求。

由于本次研究訓(xùn)練樣本僅31條，各樣本的危險(xiǎn)性等級(jí)分布不均勻，評(píng)價(jià)模型并未達(dá)最優(yōu)水平，所以評(píng)價(jià)結(jié)果也存在不足。但筆者相信在今后可通過相應(yīng)的改進(jìn)與調(diào)試建立更好的SVM預(yù)測(cè)模型，使其適用于滑坡、崩塌等地質(zhì)災(zāi)害的預(yù)測(cè)和評(píng)判。

[1] 王偉奇.中國(guó)泥石流現(xiàn)狀及淺析[J].科技信息,2009(29):597，745.

[2] 李秀珍,孔紀(jì)名,李朝鳳.多分類支持向量機(jī)在泥石流危險(xiǎn)性區(qū)劃中的應(yīng)用[J].水土保持通報(bào),2010(5):128-133，157.

[3] 劉涌江,胡厚田,白志勇.泥石流危險(xiǎn)度評(píng)價(jià)的神經(jīng)網(wǎng)絡(luò)法[J].地質(zhì)與勘探,2001,37(2):84- 87.

[4] 丁世飛,齊丙娟,譚紅艷.支持向量機(jī)理論與算法研究綜述[J].電子科技大學(xué)學(xué)報(bào),2011(1):2-10.

[5] 白 鵬,張喜斌.支持向量機(jī)理論及工程應(yīng)用實(shí)例[M].西安:西安電子科技大學(xué)出版社,2008.

[6] 張 蓉.基于支持向量機(jī)的泥石流危險(xiǎn)性預(yù)測(cè)[J].信息與電腦(理論版),2012(12):29-31.

[7] 原立峰,周啟剛,馬澤忠.支持向量機(jī)在泥石流危險(xiǎn)度評(píng)價(jià)中的應(yīng)用研究[J].中國(guó)地質(zhì)災(zāi)害與防治學(xué)報(bào),2007(4):29-33，39.

[8] 劉希林，唐 川.泥石流危險(xiǎn)性評(píng)價(jià)[M].北京：科學(xué)出版社，1995：15-26.

[9] 任金龍.基于支持向量的鐵路泥石流危險(xiǎn)性評(píng)價(jià)方法研究[D].成都：西南交通大學(xué),2011.

[10] 胡亞東，傅榮華，夏克勤.黃河積石峽水電站庫(kù)區(qū)泥石流危險(xiǎn)度評(píng)價(jià)[J].災(zāi)害學(xué)，2004，19(2):36- 41.

Debris flow risk evaluation on the basis of SVM★

YU Jian-zhou YUAN Ying

(College of Survey Technology and Engineering, Shijiazhuang College of Economy, Shijiazhuang 050031, China)

The paper adopts SVM methods, trains and tests 7 samples’ evaluation index data and target value in Yunnan, establishes debris flow risk evaluation model, achieves obvious effect, and finally points out that: the method has better using value in debris flow risk assessment.

debris flow， SVM(Support Vector Machine), risk evaluation

1009-6825(2014)36-0041-02

2014-10-20 ★：石家莊經(jīng)濟(jì)學(xué)院學(xué)生科技基金科研重點(diǎn)項(xiàng)目(項(xiàng)目編號(hào)：KBG201402)

于建洲(1992- )，男，在讀本科生； 袁 穎(1976- )，男，副教授

P642.23

A