基于AHP- Logistic 熵權模型的地質災害分布特征研究

蔡佳君

（中國地質科學院探礦工藝研究所，四川 成都 611734）

近些年來，在環境破壞程度不斷加劇的背景下，地質災害的發生頻率不斷增加[1-2]。同時，由于施工項目的實施范圍逐漸擴大，其對于地質環境產生的影響也越來越明顯，不同類型的地質災害發育程度都呈現出明顯的加劇趨勢。在此背景下，對其分布特征進行有效分析，對于減小災害帶來的損失，甚至是規避其帶來的傷害都是極為重要的[3-4]。針對此，文獻[5]提出結合遙感技術的地質特征分析方法，其將遙感采集到的信息作為對地質分析的依據，以此實現對災害的研究，但分析結果的精度有待提升，文獻[6]提出以GIS 技術為基礎的地質災害地貌分析，其分析結果具有較高的精度，但是以地表地貌為基礎的分析，為結合更多的因素，因此，其分析結果的可靠性有待提高。從已有的研究中可知，對于地質災害的分布特征研究仍有進一步探索的空間。AHP-Logistic 熵權模型作為一種更加綜合化的數據分析模型，其可以對多維的數據進行更加全面的度量，因此，對于其分析結果具有更高的可靠性。基于此，本文提出基于AHP-Logistic 熵權模型的地質災害分布特征研究，通過AHP-Logistic 熵權模型對地址數據中的指標進行賦權，以此提高數據分類結果的可靠性。并通過試驗驗證了其有效性。通過該研究，以期為地質災害的預測與防控工作提供有價值的參考。

1 基于AHP-Logistic 熵權模型的地質數據分析

1.1 構建標準化評價矩陣。在對地質災害分布特征進行識別之前，首先采用AHP-Logistic 熵權模型對地質數據進行分析，為了確保分析結果的可靠性，本文建立了地質災害標準化評價矩陣，將其作為AHP-Logistic 熵權模型分析數據的基準。假設研究區域內地質環境的評價指標矩陣為:

其中，E 表示評價區域內地質環境的評價標準，emn表示不同維度的數據指標結果。以此為基礎，要得到標準化評價矩陣，本文采用歸一化方法，對區域內的地質原始數據進行處理，其中，對于隱患指標的處理方法為

1.2 地質數據分析

在上述基礎上，為了實現對地質災害分布特征進行有效識別，首先要對數據進行分析。對于此，本文采用AHP-Logistic 熵權模型對上文構建的標準化矩陣中的指標進行賦權。AHP-Logistic 熵權模型可以有效兼顧指標在動態環境中的變異程度，因此，其對客觀事實的反饋更具代表性。本文對指標的熵權計算結果方式為:

其中，wij表示eij對應的權重，H 表示信息熵，其反映了指標特征比重。根據指標的賦權結果，對數據的特征擬近參量進行計算。針對此，本文主要是采用歐氏公式進行計算的。通過第j 個數據的為第i 個指標與對應地質災害特征指標的距離，實現對其數據蘊含的災害特征擬近參量分析。其可表示為：

根據計算結果，判斷與數據特征擬近度最高地質災害類型作為該數據的分析結果。通過這樣的方式，得到整個區域數據中所有數據指標對應的分析結果，以此作為地質災害分布特征為能夠的依據。

2 地質災害分布特征計算

通過這樣的方式，計算出分布狀態呈離散狀態的數據，將其進行過濾，減小最終輸出結果的差異化程度，實現對地質災害分布特征的精確分析。

3 試驗分析

為了測試本文提出的分析方法的有效性，進行了試驗測試，同時，為了提高測試結果的可靠性，分別采用文獻[5]和文獻[6]提出的方法作為對照組，通過對比三種方法的測試結果，對本文方法的實際應用效果進行客觀分析。

3.1 實驗環境

本文以某區域內的地質信息采集結果作為實驗對象，區內地層主要是從震旦系到第四系，包括缺失石炭系和泥盆系上統，并且各系均有一定程度的出露，巖性包括礫巖、砂巖，構造上包括兩條主要斷裂，并局部相交。區內水系交錯，支流發育明顯，沖溝數量較多。為了確保對試驗結果判斷的準確性，通過人為的方式設置了滑坡地質災害特征，其分布按照y=0.8199x-0.2925 方式呈現，共分為大、中、小三種規模。同時設置L =0 為實驗的基礎條件，對應的提取標準p =0.5，其對特征的正則化進行約束。通過高斯核函數G對計算結果與設置數據分布的關聯程度進行判斷，其可以表示為

3.2 實驗結果

分別采用三種方法計算數據中包含的地質災害分布，本文采用高斯核函數對三種方法的計算進行分析，如表1 所示。

表1 不同方法的災害特征計算結果

從表1 中看出，在文獻[5]方法的計算結果中，其計算出的特征分布結果相關系數基本在0.90-0.940 之間，同樣地，文獻[6]方法的計算結果中相關系數基本穩定與文獻[5]方法較為接近，但略低于文獻[5]方法，相比之下，本文方法的計算結果更為準確，關聯系數始終在0.95 以上，表明本文方法能夠對災害特征的范圍位置進行準確識別。這主要是因為本文方法采用AHP-Logistic 熵權模型對數據進行綜合分析，提高了對數據中表征性參量分析的全面性。

以此為基礎，對不同方法計算出的災害分布特征進行分析，其結果如圖1 所示。

圖1 不同方法的災害分布計算結果

從圖1 中可以看出，在三種特征提取方法中，文獻[5]方法的計算出的災害特征分布結果明顯高于設置值，其分布函數為y=0.8099x-0.3125，文獻[6]的計算結果中，其分布情況明顯低于設置值，分布函數的表達式為y=0.8179x-0.0018，本文方法計算出的分布結果為y=0.8199x-0.2915，與設置結果具有較高的擬合度。

結束語

隨著環境破壞程度的不斷加劇，加之惡劣天氣的不斷出現，對于地質的影響是極為明顯的。同時，由于地質災害具有較強的隱蔽性，一般難以在發生前期發現較為直觀的跡象，因此，對其的預警一直是一項難題。本文提出基于AHP-Logistic 熵權模型的地質災害分布特征研究，從預警的角度對地質災害進行分析，并結合對中影響災害分布的因素，對其分布特點進行判斷，并具有較高的計算精度。通過該研究，以期為地質災害防治以及管理工作提供有價值的參考，為人民人身及財產安全提供保障。