輸電線路區域滑坡易發性分析方法與應用★

郭俊輝，李 俠，葉晨男，徐子涵，趙 禹，于 洋

(1.臺州宏遠電力設計院有限公司,浙江 臺州 318000; 2.浙江大學海洋學院,浙江 舟山 316000)

輸電線路是保障社會經濟發展的能源動脈。在山區建設輸電線路,不僅建設難度大、施工成本高,而且由于輸電線路跨度長、覆蓋范圍廣,常通過地形地貌多樣、地質條件復雜的區域,受滑坡等地質災害影響顯著。浙江省臺州市多山的地形地貌以及臺風梅雨影響頻繁的氣候條件,導致不同規模的滑坡災害多發。隨著經濟建設的發展,臺州市區域內既有和新建輸電線路逐漸增多,分析工程沿線區域滑坡易發性,確定滑坡災害對輸電塔的影響程度,不僅對工程建設和運維至關重要,而且是保障地區經濟發展的必要手段。

目前對輸電工程的多因素風險評價方法主要有:模糊綜合評價法[1-3],模糊層次分析法[4-6],多層次灰色綜合評價法[7-8]等,這些風險評價方法中對因素權重的選取方法可分為四類:基于經驗描述的定性方法,如梯形模糊數法[9]、文獻權重參考法[10];基于傳統數學統計分析的定量方法,如信息量法[11]、熵權法[12];綜合經驗描述和數學統計的半定性半定量方法,如層次分析法[13];基于機器學習模型的數學統計方法,如隨機森林模型[14]、決策樹-快速聚類模型[15]、貝葉斯模型[16]。定性方法較為簡單,但是主觀性大,易發性評價精度較低,已有的定量方法可以提高評價精度,但是計算量很大,并且區域性強,需要評價區域的地質環境數據。基于統計概率學中的“樣本估計母本”的思想,對于地質環境相似的區域,可以使用“樣本”的易發性因素指標權重來估計“母本”的易發性因素指標權重,構建統一的指標權重評價體系。

針對目前多因素權重的選取偏主觀和區域性顯著的問題,本文基于地形地貌和氣候條件與臺州地區相似的研究區域滑坡統計數據,通過構建量化指標,采用隨機模擬和遺傳算法,優化獲得多因素權重值,將其應用于臺州地區滑坡易發性分析,并探討輸電線路受滑坡災害影響程度,驗證分析結果的可靠性,進而為浙江省類似地區的輸電線路區域滑坡易發性評估提供參考。

1 多因素權重優化方法

1.1 數據來源與分類

為獲得適用于臺州地區多因素滑坡易發性分析的權重值,選取地形地貌和氣候條件與臺州相似的諸暨市西部山區為研究區域,基于該地區的滑坡統計數據開展權重優化。諸暨市區域多年平均降水量1 401.8 mm,蒸發量1 300 mm[17]。地貌上,研究區域自西向東由構造侵蝕低山向侵蝕剝蝕丘陵、沖積平原及山間谷地過渡,是滑坡易發區域[18]。2021年6月10日凌晨,諸暨市西部山區遭遇強對流天氣,特大暴雨引發大量山體滑坡災害,本文將該次滑坡災害的統計數據作為基礎數據,考慮的因素有高程、坡度、坡向、土壤、含水率、水系。基于數字高程模型,通過ArcGIS空間分析模塊計算獲得坡度、坡向數據,其余數據來源如表1所示。

表1 數據來源

根據DEM數據的分辨率,將研究區域劃分為若干30 m×30 m研究單元。通過前期地質調查,2021年6月10日諸暨市西部山區發生的滑坡分布在n(n=698)個研究單元內。對于每個研究單元,對應6個因素,分別是高程、坡度、坡向、土壤、含水率和水系。

在分析滑坡易發性時,對每個因素賦予一個權重值(為0～1之間的無量綱值),將各因素指標的權重進行線性加權求和,并利用自然間斷點分類方法,可將滑坡易發性區域分為:非常穩定、穩定、較穩定、較不穩定、不穩定、非常不穩定。由此可見,每個因素對應的權重值是決定滑坡易發性分析結果的關鍵,下面介紹如何基于已有數據優化因素權重值。

1.2 權重優化方法

最優的因素權重,是使得滑坡易發性分析結果與實際發生滑坡情況吻合度最高的權重組合。每組權重組合構成一個權重向量組w=w1,w2,w3,…,w6,wi為第i個因素的權重向量(i=1,2,3,…,6),每個權重向量的長度等于其指標分類數。對于每個研究單元,均有6個因素權重與之對應,因此可構建一個6×m階的矩陣,見式(1):

(1)

矩陣中:每一列表示一個研究單元,該列中的元素表示每種因素對應的權重,每一行表示相同元素的權重在不同研究單元上的量值。K矩陣中的元素值均來源于w,例如,第1行的所有元素均來源于向量w1。

同理,對于已經發生滑坡的研究單元,可構建一個6×n階的矩陣,見式(2):

(2)

其中,每一列表示一個發生滑坡的研究單元,該列中的元素表示每種因素對應的權重,每一行表示相同元素的權重在不同研究單元上的量值。Q矩陣中的元素值也來源于w。

在K矩陣和Q矩陣的基礎上,定義參數R計算公式見式(3):

(3)

其中,R為單個滑坡所在研究單元的所有因素權重平均值與相應研究單元上所有因素權重平均值的比值,R值越高,說明滑坡點所占據的權重越高,滑坡易發性越高。在已知滑坡點的前提下,使R取到極大值的權重向量組w即為適用于研究區域的最優權重組合。

為獲得最優權重組合,需要明確參數R和權重向量組w的函數關系。利用Matlab隨機生成10 000組權重向量組,由式(3)計算出相應的10 000組R值。采用MATLAB中的BP神經網絡曲線擬合工具,擬合獲得R與w的函數關系。基于該函數關系,對R求極大值,獲得相應的權重向量組wmax,結果如表2所示。

表2 因素指標分類

將同一研究單元的權重進行線性疊加,即可獲得滑坡易發性評價指標:

(4)

其中,Ai為第i個研究單元經線性疊加后的權重總和;wij為第i個研究單元中第j個因素的權重值。

利用自然間斷點分類方法將滑坡易發性區域分為:非常穩定、穩定、較穩定、較不穩定、不穩定、非常不穩定,并通過ArcGIS直觀展示滑坡易發性圖,如圖1所示。由圖1可見,滑坡主要發生在較不穩定、不穩定和非常不穩定區域。利用ArcGIS統計圖1中不同易發區間的面積占比、災害占比及災害點密度信息,結果如表3所示。利用遺傳算法優化的因素指標權重,研究區域滑坡較不穩定、不穩定和非常不穩定的區域占比為82.30%,與滑坡實際發生情況相符,說明得到的優化權重指標可用于相似條件下的滑坡性易發性評價。

表3 滑坡易發性分區統計信息比較

為驗證最優權重的合理性和易發性分析結果的準確性,引入受試者工作特征曲線(簡稱ROC曲線)。ROC曲線是反映敏感性與特異性之間關系的曲線。橫坐標X軸為特異性,也稱為假陽性率(未發生滑坡災害而預測存在滑坡災害)。縱坐標Y軸稱為敏感度,也稱為真陽性率(發生滑坡災害并預測存在滑坡災害)。ROC曲線下方部分的面積被稱為AUC,值域為[0,1],用來表示預測準確性,AUC值越高,也就是曲線下方面積越大,說明預測準確率越高。利用SPSS軟件繪制基于遺傳算法的滑坡易發性分類的ROC曲線,如圖2所示。檢驗結果顯示,基于遺傳算法的權重線性組合模型的AUC值為0.816,說明輸變電工程滑坡易發性分析具有足夠的精度。

2 優化權重應用

2.1 研究區域概況

臺州市位于浙江省中部沿海,地勢上呈現西高東低的走向,地貌上自西向東由構造侵蝕低山向侵蝕剝蝕丘陵、海積平原逐漸過渡,地勢起伏大。屬亞熱帶季風氣候區,雨量充沛,多年平均降水量1 558.471 mm[23]。臺風影響規律為平均每年1次～2次,影響季節一般為4月—9月。自2010年以來,臺州市進行了上百條110 kV和220 kV輸電線路的施工工程,這些輸電線路工程多位于地質條件復雜并且降雨豐沛的山區,易受滑坡災害的影響。鑒于臺州市與諸暨市在地形地貌和氣候條件上的相似性,采用基于諸暨研究區域獲得優化權重(如表2所示)開展臺州地區滑坡易發性評價,分析采用的方法與本文第2部分方法一致,并分析輸變電工程受滑坡影響的風險。

2.2 分析結果與驗證

臺州地區的高程、坡度、坡向、土壤、含水率和水系指標分類如圖3所示,各權重進行線性疊加后的滑坡易發性分析結果如圖4所示。

對滑坡易發性分區進行信息統計,發現滑坡易發性位于較不穩定、不穩定和非常不穩定的區域主要分布于臺州西部的天臺縣、仙居縣、黃巖區和臨海市,面積占比為23.96%。在圖4滑坡易發性地圖基礎上,疊加1 314座輸電塔桿坐標,對輸電線路滑坡易發性進行統計分析,如表4所示。由表4可知,輸變電工程所在區域的滑坡易發性風險較低,位于較不穩定、不穩定和非常不穩定區域的輸電塔桿數量為117座,僅占總輸電塔桿數目的8.90%。不穩定的輸電線路工程主要分布在仙居縣的福應街道、朱溪鎮,三門縣的珠岙鎮、海游鎮,臨海市的括蒼鎮,玉環市的坎門街道。

表4 輸電線路滑坡易發性統計信息

3 結論

本文基于隨機模擬和遺傳算法原理,構建了多因素滑坡易發性分析指標權重優化方法,利用浙江省諸暨市滑坡統計分析資料,獲得了與滑坡真實發生情況相近的多因素指標權重值,將該權重值用于地形地貌與氣候條件相似的浙江省臺州市滑坡易發性分析,探討了滑坡對1 314座輸電塔的影響程度,為輸電線路安全與制定防災對策提供參考,得出以下結論:

1)基于實際滑坡統計分析數據,采用隨機模擬與遺傳算法,能夠較為高效地獲得多因素指標權重值,為提升具有相似地形地貌和氣候條件地區的滑坡易發性分析精度提供參考依據。

2)臺州市滑坡易發性風險總體不高,位于較不穩定、不穩定和非常不穩定的區域主要分布于臺州西部的天臺縣、仙居縣、黃巖區和臨海市,面積占比為23.96%。

3)所研究的1 314座輸電塔受滑坡風險影響程度較低,位于較不穩定、不穩定和非常不穩定區域的輸電塔桿數量僅占總輸電塔桿總數的8.90%。不穩定的輸電線路工程主要分布在仙居縣的福應街道、朱溪鎮,三門縣的珠岙鎮、海游鎮,臨海市的括蒼鎮,玉環市的坎門街道。