基于BP 神經網絡的區域滑坡易發性評價

雷石 曹運江 趙彥名 葉高峰

（1 湖南科技大學地球科學與空間信息工程學院 湖南湘潭 411201 2 深圳市水務工程檢測有限公司 廣東深圳 457001）

0 引言

隨著社會的迅速發展，人類對自然資源的過度開發導致了各種地質災害頻發。全國各個縣市的大尺度精細化災害相繼展開調查，關于災害易發性評價成果不斷涌出。當前應用較廣的易發性評價方法多為層次分析法。層次分析法的一項基本任務是通過專家打分比較評價因子的重要性，從而形成判斷矩陣，但是專家打分并沒有客觀性和唯一性，無法客觀綜合反映各個評價因子的權重精度和相關度。為解決此問題，很多研究人員將目光投向了BP（Back Propagation）神經網絡模型。吳晶晶等［1］基于BP 神經網絡對廣西賀州構建崩塌滑坡易發性預測模型，其結果具有可行性。朱文慧等［2］采用訓練良好的蘄春縣BP 預測模型，得到準確可靠的分區結果。張林梵等［3］在對新疆伊寧縣進行區域易發性評價時，通過BP 神經網絡模型發現極高易發區主要分布在中低山斷裂帶。朱崇浩等［4］進行九寨溝公路沿線危險性評價時，基于DInSAR-BP 綜合模型，使得結果精度提高13.9%。因此，本文構建BP 神經網絡預測模型對湖南省郴州市臨武縣進行滑坡易發性評價研究。研究成果對于人民安全生產、防災減災、維護生命財產安全，有著十分重要的現實意義。

1 研究區概況

臨武縣地處湖南省最南部，地理坐標東經112°20′26″～112°47′19″，北緯25°7′14″～25°35′14″，總面積1 383.82 km2。主要為丘陵低山地貌，地質構造復雜，降雨量豐富，易崩易滑地層分布較廣。研究區擁有豐富的礦產資源，開采歷史悠久、開采強度大。由于礦區地質條件較差，大量的煤矸石堆積、壓占耕地，造成原有的地貌和植被損失，甚至造成嚴重的地質災害。主要地質災害類型為滑坡。臨武縣也是湖南省較集中、具代表性的地質災害發生地區之一［5］。

2 數據因子提取

根據不同區域的地質背景選擇適合的評價因子，通過對以往滑坡的研究結果和地質災害的調研數據，選取了臨武地區高程、坡度、坡向、地形起伏度、地質年代、地質構造、水系距離、降雨量、歸一化植被指數等9 項因子構建滑坡易發性評價體系。

（1）高程。滑坡的發生和分布受地區地形的影響，而高程對坡體的能量變化有一定的影響，從而間接地影響斜坡的穩定。將研究區高程分為5 個區間等級，災害點主要集中在＜400 m 區間，見圖1（a）。

圖1 研究區滑坡易發性評價影響因子分布結果

（2）坡度。坡度是衡量斜坡的傾角，用來衡量斜坡的陡緩程度。坡體的穩定性主要取決于坡度的大小，而坡度是引起邊坡失穩的主要原因。將研究區坡度分為5 個區間等級，災害點主要集中在＜25°區間，見圖1（b）。

（3）坡向。對地質災害產生的影響主要是由于不同方向的坡面所能獲得的太陽輻射有很大的差別，陽坡是一個受陽光照射強烈的地區，它具有較高的濕度、較少的植被和裸露的地面，因此有較大的滑坡風險。研究區坡向分為平面和8 個間隔45°坡面，災害點主要集中在東南、西南、南方向，見圖1（c）。

（4）地形起伏度。地形起伏度可以表示為地勢高低起伏的變化程度。小區域地表高低不平對地質災害發育影響很大。將研究區地形起伏度分為4 個區間等級，災害點主要集中在＜200 m 區間，見圖1（d）。

（5）地質年代。地質年代反映了巖體的風化、破碎程度，不同時期巖體的風化、破碎程度也有一定的差別，也決定了巖體的強度和抗風化能力，是形成滑坡的重要影響因素之一。將研究區地質年代分為8 個區間等級，災害點主要集中在二疊紀，見圖1（e）。

（6）地質構造。地質構造不僅控制著地形地貌的變化，還能控制巖層中巖體結構和組合特征，在地質災害發育過程中起到了全面的控制影響。將研究區地質構造距離分為6 個區間等級，災害點主要集中在＜500 m 區間，見圖1（f）。

（7）水系距離。在滑坡災害的形成過程中，水系河流在化學、物理等多方面作用下對形成滑坡起著關鍵的作用。將研究區水系距離分為6 個區間等級，災害點主要集中在＜300 m 區間，見圖1（g）。

（8）降雨量。受降雨的影響，斜坡會導致穩定性降低，尤其在每年的洪澇季節。隨著降雨量的突然增多，往往會導致各種類型的地質災害。將研究區年平均降雨量分為4 個區間等級，災害點主要集中在［1490，1526）mm區間，見圖1（h）。

（9）歸一化植被指數。滑坡與植被覆蓋間存在著密切的聯系，也就是說，在植被稀疏的地方，山體滑坡是一種常見的地質災害。將研究區植被指數分為5 個區間等級，災害點主要集中在［0.4，0.6）區間，見圖1（i）。

3 BP 神經網絡模型構建

BP 神經網絡的核心思想是利用梯度下降法，通過不斷迭代訓練，使得計算結果與輸出期望值之間的均方誤差最小，最終得到模型各層級單元權重。BP 神經網絡具有信息分布式存儲、大規模并行處理能力、自適應性和自學習能力、較強的容錯性和魯棒性等優勢。基于BP神經網絡的滑坡易發性評價（模型）結構圖見圖2。

圖2 基于BP 神經網絡的滑坡易發性評價（模型）結構圖

如圖2 所示，構造了一種基于BP 神經網絡的滑坡易發性與地形因子、地層巖性、自然環境等9 種滑坡因素的對應關系。首先，選擇86 個滑坡樣品和86 個未發生滑坡的樣品，將數據歸一化；針對BP 神經網絡的過度擬合而造成的預測效果不佳，構建了只有輸入層、隱含層和輸出層3 層的BP 神經網絡。本文選擇了9 種滑坡風險評估指標，其中BP 神經網絡的輸入層結點是9 個，訓練樣本則選擇了滑坡點和非滑坡點，也就是BP 網絡的輸出點是2，訓練樣本與測試樣本為7∶3。在此基礎上，將BP 神經網絡的隱含層結點設定為13。

4 易發性分區結果

通過BP 神經網絡模型可得到滑坡易發性指數，使用相同的間隔把易發性指數分為 ［0，0.2）、［0.2，0.4）、［0.4，0.6）、［0.6，0.8）、［0.8，1.0）5 個等級區間，分別對應極低易發區、低易發區、中易發區、高易發區、極高易發區，面積分別為393.35、388.69、288.37、191.47、112.88 km2（表1）。隨著易發性等級提高，分區面積逐漸降低，分布災害點數目增多，取得評價結果精度較好。中易發區級別以上主要分布在金江鎮、水東鎮、麥市鎮、花塘鄉、南強鎮、西山瑤族鄉（圖3）。與野外實際調查情況相符合，主要還是因為礦山開采、切坡建房等人類工程活動。

表1 基于BP 神經網絡模型研究區易發性評價分布統計表

圖3 研究區滑坡易發性評價結果

5 結論

（1）選擇9 項評價因子，研究結果表明，臨武縣境內誘發滑坡災害主要集中在高程＜800 m、坡度＜25°、陽坡、起伏度＜200 m、二疊紀、構造距離500 m 內、水系河流距離300 m 內、降雨量［1490，1526）mm、植被指數［0.4，0.6）等分布范圍。

（2）研究區評價結果表明，中易發區以上主要分布在金江鎮、水東鎮、麥市鎮、花塘鄉、南強鎮、西山瑤族鄉。