原文传递
基于深度学习的川藏铁路雅安-林芝段滑坡易发性评价
| 论文题名： | 基于深度学习的川藏铁路雅安-林芝段滑坡易发性评价 |
| 关键词： | 川藏铁路;滑坡易发性;评价指标体系;深度学习 |
| 摘要： | 川藏铁路东起成都，西止拉萨，全程长1523km，是连接西藏与内地、服务西藏地区社会经济的发展、保障国家安全的重大铁路交通干线工程。川藏铁路雅安-林芝段地处青藏高原东南缘，沿线地形起伏大，活动断裂发育，地层岩性多样，河流切割强烈，气候条件恶劣，使滑坡灾害极为发育，严重威胁铁路的规划建设和未来的安全运行。因此，开展川藏铁路雅安-林芝段滑坡易发性评价工作，能够为该区域防灾减灾工作提供科学的依据。本研究在资料收集、遥感影像解译以及野外地质调查的基础上，利用ArcGIS技术和Python编程语言建立深度学习算法卷积神经网络（CNN）和深度神经网络（DNN）模型对川藏铁路雅安-林芝段进行滑坡易发性评价，并与传统的机器学习算法人工神经网络（ANN）和支持向量机（SVM）模型做了比较，主要取得了以下研究成果： （1）建立了研究区滑坡空间数据库，分析了滑坡发育特征和分布规律。区域内发生滑坡灾害587处，以大型的岩质滑坡为主，滑坡总面积约691km2。滑坡灾害主要发育在30~40°的斜坡上和海拔3500~5500m的区域。 （2）分析了研究区滑坡的形成条件，构建了滑坡易发性评价体系。基于研究区滑坡的形成条件选取了高程、坡度、坡向、平面曲率、剖面曲率、地形起伏度、地形湿度指数（TWI）、水流功率指数（SPI）、泥沙输运指数（STI）、岩性、断层、土地利用、植被归一化指数(NDVI)、年均降雨量、河流和道路共16个评价指标。通过信息增益法对影响因子的重要性进行了分析，结果表明坡度、高程和降雨等因子是影响区域滑坡的主要因子。 （3）构建了研究区滑坡易发性评价模型，且对模型的性能进行了验证和对比。采用CNN、DNN、ANN、SVM模型预测了滑坡的易发性，获得了滑坡易发性区划图，四个模型预测的滑坡易发性分布趋势整体一致，极高、高易发区主要分布于金沙江、澜沧江和怒江流域区段，与历史滑坡灾害的分布规律较一致。利用ROC曲线对四个模型的精度进行检验，预测能力依次为CNNgt;DNNgt;ANNgt;SVM。深度学习算法预测能力高于传统机器学习，其中CNN模型的预测性能最好，滑坡易发性分区结果最合理。 （4）统计分析了沿线滑坡易发性分区。沿线的极高、高易发区主要分布在巴塘-贡觉、贡觉-昌都、昌都-八宿、八宿-波密段，这四个线段相比其它线段极高、高易发区分布较多，容易发生滑坡灾害。 |
| 作者： | 王世宝 |
| 专业： | 地质工程 |
| 导师： | 吴明;宋学庆 |
| 授予学位： | 硕士 |
| 授予学位单位： | 长安大学 |
| 学位年度： | 2022 |
检索历史
应用推荐
