基于不确定数据挖掘的滑坡区域地质灾害危险性评价方法研究

There are two major issues with these landslide hazard assessment methods based on traditional data mining classification technique,which are:1)the difficulty in quantifying those uncertain triggering factors and 2)the difficulty in acquring effective parameters characteristically representing landslip susceptibility.To enhance the reliability and accuracy of landslide hazard assessment,this project will quantify the uncertain triggering factors based on statistics and design landslide spatial models combining the traditional method and the technique for uncertain data mining.We will evaluate the efficiency of our landslide spatial models in BaoTa district of YanAn city in ShenXi provice.This project will provide a platform for mitigating the geological disaster.

针对传统的基于数据挖掘理论的滑坡危险性评价方法存在难以定量刻画不确定值的滑坡诱发因素和难以获取有效的滑坡易发性表观特征参数等问题，本项目采用概率统计相关原理定量刻画滑坡诱发因素的不确定值；设计基于传统的和不确定的混合分类技术构建滑坡空间预测模型，从而提高危险性评价方法的可靠性、准确性。最后评价所设计的空间预测模型在延安宝塔区实际应用中的效果，为地质灾害风险减缓提供技术平台。

由于数据挖掘分类方法具有很强的处理具非线性关系的数据能力和自学习能力，已被广泛应用到区域滑坡危险性评价模型中，降雨是滑坡产生的主要诱发因子之一，其值不能固定在某个具体值，只能确定一定范围之内（称不确定数据或区间数据）。传统的数据挖掘分类方法采用离散型数据对雨量值进行刻画，容易产生数值的失真而导致滑坡预测精度的下降。为了提高滑坡预测精度，本项目的研究重点是设计有效刻画雨量值的方法来构建不确定分类算法及算法在区域滑坡危险性评价中的应用。因此本课题开展了如下的工作：（1）采用超椭球凸集模型描述数据的不确定性信息；建立超球支持向量机的不确定约束规划模型，通过上下两层子优化交替迭代寻优的方法求解最优超球面，构建了不确定性数据的超球支持向量机分类算法。（2）采用概率密度刻画不确定数据值，结合C4.5算法设计了不确定C4.5决策树算法；设计了面积积分法，结合复合型隶属度函数，将不确定属性模糊化，构建出不确定模糊ID3决策树。（3）采用 Parzen 窗估计区间样本的类条件概率密度函数(CCPDF)，通过代数插值得到类条件概率密度函数的近似函数，最后利用近似代数插值函数计算样本的后验概率，构建基于Parzen 窗的不确定贝叶斯算法；基于直方图估计的思想，建立估计不确定性数据概率密度函数的数学模型，并利用该模型估计不确定性朴素贝叶斯分类器的类条件概率密度函数，构建基于直方图的不确定贝叶斯算法。（4）设计不确定分离度的概念，结合遗传神经网络算法的优点，构建不确定遗传神经网络算法。（5）用上述方法，结合黄土高原区特殊的地质环境条件和黄土地质灾害特征，利用易于获得的各种来源的数据，构建了延安宝塔区滑坡危险性评价图，然后对上述算法进行了实际应用中的效果、适用范围及模型的优缺点等的比较，为地质灾害风险减缓提供技术平台。