基于集成學習的地質災害危險性評價

崔陽陽，鄧念東，曹曉凡，丁 一，邢聰聰

(西安科技大學地質與環(huán)境學院，陜西 西安 710054)

0 引 言

地質災害危險性評價是對一個復雜系統(tǒng)的定量化分析過程[1]。近年來，隨著GIS技術快速發(fā)展，基于GIS技術的地質災害危險性評價不僅提高了工作效率，也提升了地質災害管理的信息化水平[2]。隨著機器學習的發(fā)展，地質災害危險性評價模型由簡單到復雜，由單一模型逐漸發(fā)展為耦合模型和集成模型。常見的單一模型有邏輯回歸模型[3]、人工神經(jīng)網(wǎng)絡模型[4]、決策樹模型[5]、支持向量機模型[6]等，該類模型對分類器的預測精度要求較高。耦合模型是將2種或2種以上的單一模型進行耦合，預測結果往往比單一模型更可靠。張俊等[7]人采用粒子群優(yōu)化算法(PSO)與支持向量機回歸(SVR)耦合模型對滑坡位移進行預測發(fā)現(xiàn)，PSO-SVR耦合模型的預測精度要明顯高于BP神經(jīng)網(wǎng)絡模型和支持向量機模型；徐峰等[8]運用自適應變異粒子群優(yōu)化算法(AMPSO)和支持向量機(SVM)耦合模型對三峽庫區(qū)白水河滑坡位移進行預測表明，AMPSO-SVM耦合模型對于滑坡位移的預測性能優(yōu)于BP神經(jīng)網(wǎng)絡預測模型和SVM模型；栗澤桐等[9]以青海沙塘川流域黃土梁峁區(qū)為例，對比分析了基于信息量、邏輯回歸及兩者耦合模型的滑坡易發(fā)性評價的技術流程及結果發(fā)現(xiàn)，兩者耦合模型成功率明顯高于其他單一模型。集成學習模型通過將多個單一學習模型按照不同的算法結合而得到，從而獲得更準確、穩(wěn)定和強壯的結果，其往往具有很高的預測精度。大部分集成學習模型分為分類集成學習模型，半監(jiān)督集成學習模型和非監(jiān)督集成學習模型3類。其中，分類集成學習模型應用最為廣泛，包括一系列常見的分類技術，如Bagging、Boosting、隨機森林等[10-12]。

鑒于單一模型與耦合模型對數(shù)據(jù)參數(shù)選取的局限性以及結果的差異性，本文基于集成思想分別采用Bagging、Boosting以及隨機森林(RF)3種集成算法，對府谷縣地質災害危險性進行評價研究，并對預測結果以及模型的性能進行檢驗。該結論為研究區(qū)地質災害危險性評價模型的確定以及后期區(qū)內(nèi)地質災害防治工程的設計提供參考。

1 研究區(qū)概況

府谷縣位于陜西省最北端，地處陜、晉、蒙三省(區(qū))交界處，隸屬陜西省榆林市管轄，面積3 229 km2，屬中溫帶干旱大陸性季風氣候，年均氣溫 9.1 ℃，年均降水量428.6 mm。地形由東南向西北逐漸抬升，最大高程為1 414 m，最小高程為765 m，河流均屬于黃河水系。區(qū)內(nèi)地貌單元主要包括黃土梁崗、黃土梁峁溝壑、峽谷丘陵、河谷階地等，地質構造總體上為一向西傾斜的單斜構造，地層東老西新，依次出露奧陶系、石炭系碳酸巖類和二疊系、三疊系、侏羅系碎屑巖類，地表多被第四系中、上更新統(tǒng)黃土以及全新統(tǒng)沖洪積層覆蓋，巖土體較為松散。區(qū)內(nèi)巖土體類型劃分為堅硬塊狀碳酸巖類，層狀堅硬～半堅硬砂泥巖互層碎屑巖類，層狀較軟弱砂質粘土碎屑巖類，粗砂礫石黃土狀土、黃土，風成中細砂等。區(qū)內(nèi)斷層發(fā)育，主要發(fā)育F1、F2、F3、F4、F5共5組斷層。區(qū)內(nèi)主要人類工程活動有大范圍采礦活動，市政設施、公路和鐵路建設以及削坡建房、坡地耕種等。據(jù)統(tǒng)計，境內(nèi)地質災害主要類型分為崩塌、滑坡、泥石流和地面塌陷4類，共計184處。地理位置及災害點分布情況見圖1。

圖1 研究區(qū)地理位置及災害點分布

2 評價模型簡介

2.1 Bagging算法

Bagging算法又稱裝袋法，是在同一種基分類器下對訓練樣本使用Bootstrap抽樣法訓練多個基分類器，最后通過投票法得出結果[13]，可有助于降低訓練數(shù)據(jù)的隨機波動導致的誤差。Bagging算法最常用的不穩(wěn)定基分類器有決策樹(Decision Tree，DT)和神經(jīng)網(wǎng)絡(Neural Net-works，NN)。本文選取決策樹作為集成模型的基分類器，對研究區(qū)地質災害危險性進行評價。

2.2 Boosting算法

Boosting 算法是一種將弱學習器轉換為強學習器的迭代方法。通過增加迭代次數(shù)，產(chǎn)生一個表現(xiàn)接近完美的強學習器[14]，被認為是統(tǒng)計學習中性能最好的方法之一[15]。Boosting算法通過提高那些在前一輪被弱分類器分錯樣例的權值，減小前一輪分對樣例的權值，使分類器對于誤分的數(shù)據(jù)有較好的效果，依據(jù)此規(guī)則得到最終的Boosting模型。

2.3 隨機森林算法

隨機森林(RF)是一種結合裝袋法(Bagging)生成多個獨立的樣本集和多棵分類回歸樹(Classification and Regression Tree，CART)來進行預測的集成學習方法，結果由投票得分最多或取平均決定[16-18]。其主要思想在于多個弱分類器經(jīng)過一定策略進行組合，形成一個較單一分類器預測性能更加優(yōu)越的集成模型。

隨機森林算法具體實現(xiàn)過程如下：利用裝袋法從總的樣本中隨機有放回地抽取n個(與總樣本數(shù)相同)樣本作為獨立空間訓練樣本集，對每個訓練集分別建立決策樹。其中，從總的特征數(shù)中隨機選取m個特征數(shù)(m≤特征數(shù))進行內(nèi)部節(jié)點分支，得到n棵獨立的隨機決策樹，將n棵決策樹所得結果采取投票原則或取其平均值作為最終預測結果[19-20]。

3 指標因子構建

本文用到的數(shù)據(jù)來源主要包括：①府谷縣地質災害詳查報告；②府谷縣1∶50 000地質圖、地貌類型圖和巖土體類型圖；③府谷縣分辨率為30 m的DEM數(shù)字高程數(shù)據(jù)；④府谷縣 1∶50 000的路網(wǎng)圖與水系圖；⑤30 m分辨率的Landsat8遙感影像圖。根據(jù)研究區(qū)面積以及地質災害規(guī)模，本文采用30 m×30 m的柵格作為地質災害預測的評價單元，共劃分為3 553 404個柵格。

通過地質災害詳查報告獲取地質災害點位置坐標，利用ArcGIS 10.0軟件轉化得到地質災害點圖層。利用ArcGIS工具對DEM影像處理，得到高程、坡度、坡向、坡度變率、坡向變率、平面曲率、剖面曲率和曲率圖層；利用地貌類型圖提取研究區(qū)地貌類型，利用ArcGIS工具對其按不同地貌類型進行重分類、面轉柵格等操作獲得地貌類型圖層；同上，利用巖土體類型圖和地質圖分別提取研究區(qū)巖土體類型和斷層分布，按不同巖土體類型進行分類，對斷層進行歐氏距離分析，得到地質災害點到各斷層的實際距離；利用EARDAS軟件對Landsat8遙感影像處理得到研究區(qū)歸一化植被指數(shù)(NDVI)圖層；根據(jù)研究區(qū)年降雨量資料利用ArcGIS工具采用克里金插值獲得降雨量等值線圖層；利用ArcGIS對路網(wǎng)圖以及水系圖矢量化，然后用歐氏距離分析工具獲得地質災害點到各要素的距離。提取得到的各因子圖層見圖2、3、4。

圖2 各評價因子圖層(一)

圖3 各評價因子圖層(二)

4 地質災害危險性評價

采用ArcGIS軟件柵格轉點工具提取地質災害點圖層以及15類評價因子圖層數(shù)據(jù)，構建地質災害危險性評價數(shù)據(jù)庫。選取所有災害點與相等數(shù)量的非災害點數(shù)據(jù)作為樣本點，將災害點隨機分為2個部分，一部分(總災害點的70%)作為訓練樣本數(shù)據(jù)，剩余部分(總災害點的30%)作為測試樣本數(shù)據(jù)。將樣本數(shù)據(jù)導入R語言中進行訓練，得到基于Bagging、Boosting以及RF的危險性評價模型，然后提取整個研究區(qū)的數(shù)據(jù)帶入訓練好的模型中計算，得到研究區(qū)地質災害危險性指數(shù)。將地質災害危險性指數(shù)通過ArcGIS軟件賦值到研究區(qū)圖層中，采用自然間斷點法將研究區(qū)劃分為5個等級(極高危險區(qū)、高危險區(qū)、中危險區(qū)、低危險區(qū)和極低危險區(qū))，得到基于集成學習算法的研究區(qū)地質災害危險性區(qū)劃圖(見圖5)。Bagging、Boosting及隨機森林(RF)3種模型的預測正確率分別為76.36%、74.54%和77.28%，均大于70%，預測精度較高。

圖4 各評價因子圖層(三)

圖5 研究區(qū)地質災害危險性區(qū)劃

本文利用受試者工作特性曲線(Receiver Operating Characteristic，ROC)，對3種模型的性能進行檢驗與對比。ROC曲線橫坐標代表特異性，即非災害點預測為災害點的占比；縱坐標表示敏感性，即災害點預測為災害點的占比。曲線下的面積(AUC)代表模型精確性，AUC取值范圍為[0，1]，值越大代表模型性能越優(yōu)越。將3種模型測試數(shù)據(jù)計算得到的危險性指數(shù)帶入SPSS軟件進行分析，得到3種模型的預測率曲線(見圖6)。由圖6可知，通過對比3種模型的AUC值可以發(fā)現(xiàn)，3種模型的預測精度均較高(AUC>0.7)，RF模型在地質災害空間預測中表現(xiàn)得更好(AUC>0.8)。

圖6 3種模型的預測率

根據(jù)地質災害危險性區(qū)劃圖，運用ArcGIS軟件多值提取至點功能分別統(tǒng)計各危險性分區(qū)內(nèi)歷史災害點數(shù)所占總災害點的百分比見圖7。從圖7可知，在Bagging、Boosting以及隨機森林(RF)3種模型的結果中，歷史災害點在高～極高危險區(qū)所占的比例分別為77.17%、89.67%和91.85%，表明RF模型較其他2種模型歷史災害點在極高～高危險區(qū)分布更為集中，其更適用于地質災害危險分析的實際應用。

圖7 各危險區(qū)歷史災害點所占比例

5 結 語

本文以府谷縣作為研究區(qū)，選取了地形地貌類、地質類、水文類、人類工程活動等15種評價因子，結合歷史地質災害點數(shù)據(jù)，分別采用Bagging、Boosting及隨機森林(RF)3種集成學習模型，對該區(qū)地質災害危險性進行了分區(qū)評價研究。結論如下：

(1)Bagging、Boosting及隨機森林(RF)3種模型的預測正確率分別為76.36%、74.54%和77.28%，預測精度均較高。

(2)通過ROC曲線對比分析，Bagging、Boosting及隨機森林(RF)3種模型的AUC值分別為0.792、0.799、0.815，3種集成模型在研究區(qū)地質災害危險性評價的精度均較高，RF模型的性能較其他2種表現(xiàn)更為優(yōu)越。

(3)分別統(tǒng)計各危險性分區(qū)內(nèi)歷史災害點數(shù)所占總災害點數(shù)的百分比表明，Bagging、Boosting及隨機森林(RF)3種模型下的歷史災害點在高～極高危險區(qū)所占的比例分別為77.17%、89.67%和91.85%，RF模型較其他2種模型災害點在極高～高危險區(qū)分布更為集中，更適用于地質災害危險分析的實際應用。