知识驱动下基于数据挖掘的滑坡预报研究

滑坡可靠预报是科学界公认的尖端课题和世界性难题之一。本课题针对目前滑坡预报存在的问题：①预报因子的选取存在人为主观因素和片面性；②预报判据不充分，预报精度和可靠性较低；③海量滑坡数据处理效率低下，滑坡预报智能化水平低等问题；将数据挖掘方法引入滑坡预报中，合理选取预报因子，多因子综合分析，从海量滑坡数据中挖掘滑坡综合预报判据和预报参数临界值，基于知识驱动机制实现滑坡可靠预报。主要研究：①如何定量选取反映滑坡动态过程的主导因子；②适用于滑坡预报判据和预报参数临界值挖掘的数据挖掘算法的研究，挖掘滑坡综合预报判据，实现多因子综合预报；③基于知识驱动的滑坡智能化可靠预报。本课题的成功实施有望为提供可靠的滑坡预报判据和预报参数临界值，提高滑坡预报的精度提供新的思路和突破点。

本项目实施成功。本项目主要完成了以下5部分研究工作：（1）以我国重大地质灾害防治工作典型示范地区——三峡库区为研究区，研究岩性的识别与分析。岩性是滑坡灾害变形发育的最重要的主导因素之一，利用多光谱遥感影像，采用支持向量机，自适应元胞自动机，决策树算法和形式概念分析等数据挖掘方法，实现岩性的智能识别与可靠提取。基于光谱、纹理和植被覆盖等因素，提出SVM-ACA方法，能够在岩性信息薄弱的高植被覆盖地区，获得较高的岩性识别精度。该项研究为岩性识别困难的高植被覆盖区的岩性信息提取，提供了新的思路。（2）滑坡成因机理研究。以三峡库区1:50000地质图，1:10000地形图和中巴地球资源卫星影像为数据源，构建影响滑坡变形发育的关键因素，包括工程岩组、库水波动、植被覆盖、边坡结构、高程、坡度、坡向等，采用云模型和形式概念分析方法从滑坡多主题数据中发现影响滑坡变形发育的各因素之间的联系，触发滑坡的机制，以及多因素组合与滑坡发生概率之间的内在规律。（3）滑坡预测研究。以Landsat ETM+遥感影像，1:50000地质图和1:10000地形图为数据源，采用面向对象、云模型和数据场等方法，实现区域滑坡预测。研究结果表明，面向对象方法在知识结构、运行效率和预测精度方面优于基于像素的方法。基于云模型和数据场的方法是采用数据场将滑坡的空间分布和影响滑坡变形发育的关键因素进行综合分析，生成势中心；将每个势中心表达的概念用云模型来刻画，并通过综合云进行提升，生成高层概念；根据对高层概念的隶属度进行聚类分析，实现滑坡预测，取得了较好的预测结果。（4）滑坡预报研究：以三峡库区秭归县为研究区，采用滑坡灾害地质数据、专业监测数据、群策群防数据、宏观地质巡查数据和水文数据，合理选取预报因素，多因素综合分析，基于时空数据挖掘方法从海量滑坡数据中挖掘各类型滑坡的综合预报判据和预报参数临界值，基于知识驱动实现滑坡可靠预报；并研究库水和降雨对各类型滑坡变形发育的影响。（5）其他研究，主要是月表钛含量研究：将支持向量机和决策树方法应用于嫦娥一号干涉成像光谱仪（IIM）数据，反演月表钛含量，取得了很好的预测结果，优于目前最具影响力的Lucey方法，并生成虹湾、马利厄斯丘陵、史密斯海等中国探月计划重点考察地区的月表钛含量分布图。. 本项目的成功实施为提高滑坡预测预报精度提供了新的思路和突破点。