基于機器學習的地質環境承載力評價方法

(成都理工大學管理科學學院 四川 成都 610059)

一、引言

自然環境是人類社會活動的基本載體，其中與地質環境的關系尤為密切。雖然很多學者都提出了地質環境承載力的概念、研究對象和研究內容，但是能夠很好地將區域環境系統和區域社會經濟活動的方向、規模相結合的環境承載力理論體系的研究還很少見到報道。大數據技術的發展，一方面促進了數據采集技術的更新，另一方面也促使著地質環境承載力方法的進步，尤其是人工智能技術應用，徹底改變了傳統的評價方法。本文引入機器學習方法，以地質環境承載力的評價理論為基礎，提出了基于機器學習算法的地質環境承載力評價方法。通過梳理國內外地質環境評價相關成果，分析地質環境的各種評價要素，提煉出影響地質環境承載力的主控因素，在此基礎上建立適合于機器學習的地質環境承載力評價指標體系，再結合機器學習方法，構建基于機器學習算法的地質環境承載力評價模型，對區域地質環境承載力進行評價，為其他區域的地質環境承載力評價提供應用示范和評價方法。

二、基于機器學習的地質環境承載力評價思路

機器學習是一門多領域交叉學科，涉及數學、統計學、計算機等相關知識，機器學習算法包含的算法比較多，例如深度學習算法，人工智能算法，回歸算法，決策樹算法，貝葉斯算法，聚類算法等都屬于機器學習算法。針對地質環境承載力評價，采用決策樹算法來進行地質環境承載力評價，決策樹算法是屬于有監督學習的分類，通過將不同數據源匯集到一起，建立相關的數據池，對已知分類的數據進行機器學習，訓練出相關模型。通過研究地質環境承載力評價和機器學習的相關文獻，提煉相關評價方法；多渠道(包括野外)收集地質環境等相關資料，系統整理地質環境評價信息，在此基礎上分析影響地質環境的主控因素，并進行指標分級，構建地質環境承載力綜合評價指標體系；抽取相關地質環境歷史數據，進行機器學習，生成地質環境承載力評價的規則庫，構建地質環境承載力評價的機器學習模型，再通過模型對評價數據進行評價，得到評價結果。

三、機器學習 ID3評價算法流程

ID3算法的生成模型根據導入的樣本數據，按照80%的樣本比例作為訓練集，依據ID3決策樹算法原理，根據訓練集生成ID3決策樹的具體流程如下：(1)首選選擇系統熵(經驗熵)最大的屬性作為最優屬性進行分裂，創建根節點，為分支節點分配相應類別，遍歷訓練集一次；(2)如果訓練集均屬于同一類別或者訓練集中只剩下一個樣本，返回子節點，并將其作為葉節點，同時判定相應類別；(3)對訓練集循環執行每個屬性劃分，計算該屬性劃分的信息熵，比較各個屬性的信息熵，選擇信息熵最大的屬性作為分支節點進行分裂，同時訓練集分裂為兩個子集；(4)對訓練集劃分的子集反復執行步驟(1)-(3)，直到信息熵為0，所有分支節點為一類時，標為葉節點，輸出分類結果。

根據以上流程，生成的ID3算法模型如下：

四、評價結果解釋

根據構建的地質環境承載能力綜合評價體系為理論基礎，基于收集的樂山市地質環境方面的資料數據，對樂山市劃分出的34個自然單元的地質環境承載能力，采用決策樹方法進行了評價，得到了34個自然單元地質環境承載能力的綜合值，并依據評價綜合值將區域內的承載能力分為承載能力高(I)、承載能力中(II)和承載能力低(III)等三類。

根據樂山市地質環境承載能力綜合評價結果，可得到如下結論：綜合分析眉山市國土的空間特征、資源特征、環境特征，以及地質環境承載能力評價，眉山市區位優勢明顯，人口集聚程度高，適宜開發的資源相對豐富，是四川經濟發展條件較好的區域，總體適宜優化開發。地質環境承載能力方面，高中山區為高海拔生態脆弱區，為崩滑流地質災害高易發區，主要位于眉山市西部。地質環境承載能力大的區域位于中部和東部區域，地質環境承載能力較大的區域位于中部及中北部，總體地質環境承載能力高。