独库高速公路克扎依—巩乃斯段雪崩易发性评价

P642.21; 独库高速公路克扎依—巩乃斯段以高山地貌为主,地形切割剧烈,为雪崩发育提供了有利的地形条件,对该区域进行雪崩易发性评价是独库高速公路安全建设及运行的重要前提.通过遥感解译和现场调查等手段获取149个雪崩点的因子数据,通过对因子进行相关性检测,筛选出10个评价因子,构成雪崩评价因子体系.在此基础上,运用K均值聚类法和随机法提取出非雪崩点和原始雪崩点构成样本集,通过机器学习中的多层感知器、支持向量机算法对研究区域开展雪崩易发性评价.研究结果表明,随机法和K均值聚类法提取出的样本集分别带入算法中训练,R-SVM、R-MLP、K-SVM、K-MLP四种模型的Kappa系数均大于0.6,...

Full description

Saved in:
Bibliographic Details
Published in中国地质灾害与防治学报 Vol. 35; no. 1; pp. 60 - 71
Main Authors 程秋连, 刘杰, 杨治纬, 张天意, 王斌
Format Journal Article
LanguageChinese
Published 新疆农业大学交通与物流工程学院,新疆乌鲁木齐 830052 2024
新疆交通规划勘察设计研究院有限公司/科技研发中心,新疆乌鲁木齐 830006%新疆交通规划勘察设计研究院有限公司/科技研发中心,新疆乌鲁木齐 830006
Subjects
ArcGIS
易发性评价
支持向量机
support vector machine
susceptibility evaluation
multilayer perceptron
avalanche
雪崩
多层感知器
Online AccessGet full text
ISSN1003-8035
DOI10.16031/j.cnki.issn.1003-8035.202302009

Cover

More Information
Summary:P642.21; 独库高速公路克扎依—巩乃斯段以高山地貌为主,地形切割剧烈,为雪崩发育提供了有利的地形条件,对该区域进行雪崩易发性评价是独库高速公路安全建设及运行的重要前提.通过遥感解译和现场调查等手段获取149个雪崩点的因子数据,通过对因子进行相关性检测,筛选出10个评价因子,构成雪崩评价因子体系.在此基础上,运用K均值聚类法和随机法提取出非雪崩点和原始雪崩点构成样本集,通过机器学习中的多层感知器、支持向量机算法对研究区域开展雪崩易发性评价.研究结果表明,随机法和K均值聚类法提取出的样本集分别带入算法中训练,R-SVM、R-MLP、K-SVM、K-MLP四种模型的Kappa系数均大于0.6,4组模型对验证数据集的预测结果与实际值存在高度的一致性.经多层感知器训练的AUC值由0.762提高至0.983,经支持向量机训练的AUC值由0.724提高至0.95 1.基于本研究预测性能最佳的K-MLP模型分区显示该研究区雪崩发育对拟建线路影响较小,但对于隧道洞口可能会造成威胁.本研究可为独库高速公路建设、运营以及雪崩灾害防治工作提供理论支撑和方法参考.
ISSN:1003-8035
DOI:10.16031/j.cnki.issn.1003-8035.202302009