滑坡易發(fā)性評價研究進展與優(yōu)化方法
定 價:68 元
- 作者:劉磊磊,楊燦,肖婷著
- 出版時間:2023/9/1
- ISBN:9787548754015
- 出 版 社:中南大學出版社
- 中圖法分類:P642.22
- 頁碼:196
- 紙張:膠版紙
- 版次:1
- 開本:24cm
本書針對機器學習易發(fā)性評價模型中的評價因子選擇、因子組合特征、祥本選擇方法、樣本比例及采樣不確定性對滑坡易發(fā)性評價的影響等問題,系統(tǒng)對比分析了不同因子選擇方法對不同滑坡易發(fā)性評價機器學習模型性能的影響,提出了考慮因子組合特征的機器學習易發(fā)性評價方法,發(fā)展了基于頻率比和易發(fā)性指數(shù)采樣的滑坡易發(fā)性評價模型,揭示了滑坡正負樣本比例和采樣方法對機器學習易發(fā)性評價模型性能的影響規(guī)律,提出了基于貝葉斯優(yōu)化的滑坡易發(fā)性評價最佳樣本比例確定方法,建立了基于多重緩沖區(qū)采樣的滑坡易發(fā)性評價置信圖。
劉磊磊,男,博士,湖北監(jiān)利人,現(xiàn)任中南大學地質(zhì)工程系特聘副教授,碩士研究生導師,2022年湖南省自然科學基金優(yōu)秀青年項目獲得者。2011年本科畢業(yè)于中南大學地質(zhì)工程專業(yè),同年保送本校碩士研究生,并于2014年獲得碩士學位;2018年獲得香港理工大學巖土工程專業(yè)哲學博士學位(Ph.D.)。曾先后在香港理工大學和香港城市大學擔任研究助理,主要從事地質(zhì)災害防治與風險控制、巖土工程不確定性量化、可靠度分析等方面的研究工作。目前,共發(fā)表論文50多篇,其中SCI/EI檢索40篇,以第一作者/通訊作者身份在Geoscience Frontiers、Landslides、Engineering Geology、Computers and Geotechnics、Reliability Engineering and System Safety等地質(zhì)/巖土工程領域國際權威和重要期刊上發(fā)表論文32篇;獲計算機軟件著作登記權7項,申請/授權國家專利25項;合作出版英文專著1部;主持國家重點研發(fā)計劃項目子課題、國家自然科學基金青年基金項目、湖南省自然科學基金優(yōu)秀青年項目、貴州省科技支撐計劃項目、湖南省自然科學基金青年基金項目等縱、橫向科研項目20余項;主持本科生/研究生教改項目、課程思政項目4項;受邀擔任SCI期刊Frontiers in Earth Science的評審編輯和?庉,同時任《中南大學學報(自然科學版)》《煤田地質(zhì)與勘探》《地質(zhì)科技通報》《鉆探工程》等期刊青年編委、湖南省地質(zhì)災害防治學會理事、中國土木工程學會工程風險與保險研究分會青年論壇委員會委員及多個國內(nèi)外權威SCI/EI期刊特邀審稿人。
第1章 緒論
1.1 研究背景與意義
1.2 研究現(xiàn)狀
1.2.1 滑坡易發(fā)性評價模型
1.2.2 易發(fā)性評價因子
1.2.3 因子數(shù)據(jù)挖掘
1.2.4 制圖方法
1.3 存在的問題與不足
1.4 研究內(nèi)容
第2章 滑坡易發(fā)性評價研究進展分析
2.1 文獻計量分析原理
2.1.1 文獻數(shù)據(jù)庫
2.1.2 LDA方法
2.2 文獻分析結果
2.2.1 科研產(chǎn)出變化
2.2.2 作者及地域分布
2.2.3 期刊/會議期刊
2.2.4 基金/資助機構
2.2.5 關鍵詞分析
2.2.6 LDA文獻分類及分析
2.3 討論
2.3.1 滑坡編錄方法
2.3.2 易發(fā)性評價因子
2.3.3 滑坡易發(fā)性評價模型
2.3.4 滑坡類別和研究區(qū)域
2.3.5 滑坡易發(fā)性相關的其他研究
2.4 小結
第3章 基于機器學習的滑坡易發(fā)性評價
3.1 機器學習原理
3.2 基于機器學習的滑坡易發(fā)性評價流程
3.3 樣本數(shù)據(jù)
3.3.1 滑坡樣本
3.3.2 非滑坡樣本
3.3.3 訓練集與測試集
3.4 評價單元
3.4.1 斜坡單元
3.4.2 柵格單元
3.5 常用的機器學習模型
3.5.1 邏輯回歸模型
3.5.2 人工神經(jīng)網(wǎng)絡模型
3.5.3 支持向量機模型
3.5.4 隨機森林模型
3.6 超參數(shù)優(yōu)化
3.6.1 超參數(shù)簡介
3.6.2 網(wǎng)格搜索
3.6.3 隨機搜索
3.7 模型評價指標
3.7.1 混淆矩陣
3.7.2 Kappa系數(shù)
3.7.3 ROC曲線與AUC值
3.8 滑坡易發(fā)性區(qū)劃圖制作與評價
3.8.1 自然斷點法
3.8.2 等間距法
3.8.3 分位數(shù)法
3.8.4 頻率比法
3.9 小結
第4章 基于ArcGIS的易發(fā)性評價因子圖層制作——以安化縣為例
4.1 ArcGIS簡介
4.2 安化縣概況
4.2.1 地理位置
4.2.2 氣象與水文
4.2.3 社會經(jīng)濟發(fā)展概況
4.2.4 地質(zhì)環(huán)境概況
4.2.5 人類工程活動
4.2.6 滑坡災害概況
4.3 數(shù)據(jù)來源與處理
4.4 評價因子的選取原則
4.5 常見因子圖層制作
4.5.1 基礎地質(zhì)
4.5.2 地形地貌
4.5.3 水文環(huán)境
4.5.4 人類工程活動
4.6 小結
第5章 因子選擇對滑坡易發(fā)性評價的影響
5.1 因子選擇的目的與策略
5.1.1 因子選擇的目的
5.1.2 因子選擇策略
5.2 因子選擇方法
5.2.1 皮爾遜相關系數(shù)
5.2.2 多重共線性分析
5.2.3 最大互信息系數(shù)
5.2.4 基于隨機森林的平均不純度
5.2.5 遞歸特征消除
5.3 滑坡易發(fā)性評價模型
5.3.1 機器學習模型
5.3.2 模型超參數(shù)
5.4 因子選擇結果
5.5 滑坡易發(fā)性評價結果
5.5.1 建模精度比較
5.5.2 區(qū)劃結果比較
5.6 小結
第6章 考慮因子組合特征的滑坡易發(fā)性評價模型
6.1 AFM模型
6.2 基于AFM的滑坡易發(fā)性評價模型
6.2.1 基準機器學習模型
6.2.2 模型超參數(shù)
6.3 滑坡易發(fā)性評價結果
6.3.1 AFM模型的因子分析
6.3.2 建模精度比較
6.3.3 區(qū)劃結果的比較
6.3.4 結果討論
6.4 小結
第7章 基于頻率比采樣策略的滑坡易發(fā)性評價
7.1 基于頻率比的采樣策略
7.1.1 基于頻率比的采樣原理
7.1.2 采用的模型和超參數(shù)
7.2 樣本選擇結果
7.2.1 因子頻率比分析結果
7.2.2 因子相關性分析結果
7.2.3 補充樣本的有效性
7.3 滑坡易發(fā)性評價結果
7.3.1 建模精度
7.3.2 區(qū)劃結果
7.4 討論
7.4.1 評價因子的不同數(shù)據(jù)來源
7.4.2 不同歷史滑坡點與補充正樣本數(shù)量比例的影響
7.4.3 滑坡評價因子相關系數(shù)閑值對滑坡易發(fā)性評價的影響
7.4.4 基于頻率比采樣方法的特點
7.5 小結
第8章 基于易發(fā)性指數(shù)采樣策略的滑坡易發(fā)性評價
8.1 基于滑坡易發(fā)性指數(shù)的采樣策略
8.1.1 基本采樣原理
8.1.2 機器學習模型和超參數(shù)
8.2 樣本選擇結果
8.2.1 貝葉斯優(yōu)化算法確定補充樣本的最佳數(shù)量
8.2.2 樣本的精度檢驗
8.3 滑坡易發(fā)性評價結果
8.3.1 建模精度的比較
8.3.2 ROC曲線
8.3.3 區(qū)劃結果的比較
8.3.4 滑坡易發(fā)性指數(shù)分布規(guī)律
8.4 討論
8.4.1 不同機器學習模型的最佳樣本比例
8.4.2 隨機森林模型和支持向量機模型原理
8.5 小結
第9章 樣本比例對滑坡易發(fā)性評價的影響與優(yōu)化
9.1 易發(fā)性評價模型
9.1.1 梯度提升樹模型
9.1.2 模型超參數(shù)
9.2 貝葉斯優(yōu)化樣本比例的原理及參數(shù)
9.2.1 貝葉斯優(yōu)化算法原理
9.2.2 貝葉斯優(yōu)化算法參數(shù)
9.3 優(yōu)化樣本比例
9.4 滑坡易發(fā)性評價結果
9.4.1 建模精度比較
9.4.2 滑坡易發(fā)性區(qū)劃結果的比較
9.5 機器學習模型計算效率
9.6 小結
第10章 單次采樣易發(fā)性制圖的不確定性分析
10.1 易發(fā)性評價模型
10.1.1 極端