基于GPS的降雨型滑坡变形监测及数据处理

滑坡是地质灾害的一种,降雨是诱发山体滑坡的最重要因素。本文通过在重庆云阳王家湾建立滑坡监测点,利用灰色系统和回归分析,分析滑坡位移同降雨的定量关系,建立滑坡预报模型。     

结合注意力机制和Bi-LSTM的降雨型滑坡位移预测

受季节降雨波动和邻近点位的牵引作用影响,滑坡位移呈阶梯状变化趋势。为有效预测该类滑坡的位移,本文提出一种基于注意力机制的双向长短时记忆(Bi-LSTM)神经网络位移预测模型。首先,建立滑坡监测累计位移时间序列模型,将滑坡累计位移分解为趋势项和周期项;然后,分析滑坡因子与趋势项及周期项的相关性,采用多项式回归对趋势项进行拟合,通过基于注意力机制的Bi-LSTM对周期项进行预测。试验结果表明:基于注意力机制的Bi-LSTM预测模型具有稳健的泛化能力,能有效捕获不同时序数据间的相关性;预测结果精度平均绝对误差为0.088 mm,平均均方误差为0.042 mm,相比常规的长短时记忆(LSTM)神经网络模型,本文方法的预测结果精度更高。     

滑坡区域危险性的动态预测方法研究

在一般滑坡区域危险性预测方法的基础上,考虑动态预测,添加了降雨、蓄水水位变化、植被三种动态因素对于滑坡的作用,并以三峡库区中的重庆市涪陵区为例将动态预测方法加以实现。     

兰州市降雨型黄土滑坡灾害空间分布特征

针对兰州市1986—2016年间降雨型滑坡灾害的空间分布特征,该文基于ArcGIS,利用核密度估算方法分析滑坡点,通过多次测试比较确定了估算的最优距离阈值,得到概化程度高、数值变化平滑的栅格密度,并结合研究区内高程、坡度以及地质环境揭示了降雨型黄土滑坡灾害的空间分布特征。研究表明:滑坡点沿着黄河及其支流沿岸分布,密集程度有"两高两低"分布特点,高程、坡度与滑坡多发存在相关性,城关区滑坡点最多且呈环状分布,西固区次之,其他区较少。     

降雨型滑坡联合监测及预警预报系统研究

以克服降雨型滑坡传统监测手段中可视性、自动化性、智能性不能满足工程需要为基本出发点,采用滑坡联合监测手段,在滑坡地表、地下布设传感器,将监测数据和三维GIS技术相结合,建立滑坡联合监测的信息系统,为滑坡监测数据表达和分析提供一个可视化的智能信息平台。系统针对滑坡多种诱发因子的耦合问题,主要探讨降雨对滑坡的影响机理,联合监测中硬件传感器的组成及工作原理。在应用研究的基础上,介绍监测系统的结构与功能,并对滑坡的稳定性进行智能评定分析。     

基于熵权法的组合模型在滑坡变形预测中的应用

以趋势曲线预测模型中的多项式模型和指数模型为基础,基于熵权法建立组合预测模型,就其建模理论和计算流程进行系统分析,并对某滑坡体进行预测。结果表明,文中组合方法相对于其它组合方法而言,理论简单,能够有效地反映滑坡体的变化规律,且提高了拟合预测精度,在预测工作中具有一定的参考价值。     

基于GM(1,1)数据融合算法的滑坡预测研究

滑坡会对人类生命和财产造成巨大损失,预测预报是预知滑坡灾害发生并减少其影响的重要手段。GM(1,1)算法在滑坡预测中得到普遍应用,该算法具有较少数据量建模的优点。对于滑坡不需要了解各种影响因子的具体状态,但存在建模数据量选取不确定性和长时距预测精度降低的问题,以GM(1,1)模型为基础,引用数据融合技术,对滑坡变形量进行预测,并用实测数据进行验算,结果表明该方法能提高滑坡的预测精度。     

基于机器学习的汶川震区滑坡灾害气象预警模型研究

近年来,降雨诱发的滑坡灾害日益频繁,给人民生命财产安全造成了严重的威胁。因此,深入开展滑坡灾害气象预警研究具有重要的理论意义和实用价值。为了解决传统滑坡灾害气象预警方法在计算性能和预警精度等方面的不足,本文立足于滑坡灾害气象预警工作,选取汶川M s 8.0级强烈地震重灾区的62县市为研究区,深入分析研究区滑坡灾害与地质环境、降雨之间的关联关系,构建适用于研究区的滑坡因子指标体系,运用机器学习理论和方法,建立了基于机器学习的滑坡灾害气象预警模型,并利用研究区历史监测数据进行试验,验证了该方法的准确性和可靠性。     

Spatial prediction of rainfall-induced shallow landslides using hybrid integration approach of Least-Squares Support Vector Machines and differential evolution optimization: a case study in Central Vietnam

This study represents a hybrid intelligence approach based on the differential evolution optimization and Least-Squares Support Vector Machines for shallow landslide prediction, named as DE–LSSVM_SLP. The LSSVM is used to establish a landslide prediction model whereas the DE is adopted to search the optimal tuning parameters of the LSSVM model. In this research, a GIS database with 129 historical landslide records in the Quy Hop area (Central Vietnam) has been collected to establish the hybrid model. The receiver operating characteristic (ROC) curve and area under the curve (AUC) were used to assess the performance of the newly constructed model. Experimental results show that the proposed model has high performances with approximately 82% of AUCs on both training and validating datasets. The model’s results were compared with those obtained from other methods, Support Vector Machines, Multilayer Perceptron Neural Networks, and J48 Decision Trees. The result comparison demonstrates that the DE–LSSVM_SLP deems best suited for the dataset at hand; therefore, the proposed model can be a promising tool for spatial prediction of rainfall-induced shallow landslides for the study area.     

区域蒸散发量的遥感模型方法研究

蒸散是水资源管理的一个重要参数。与传统的蒸散计算方法相比,利用遥感进行蒸散研究具有快速、准确、大区域尺度及地图可视化显示等特点。本文通过研究,提出了基于能量平衡方法遥感反演蒸散发的计算模型,指出了模型参数的求解方法,建立了基于MOD IS遥感数据的大区域蒸散发遥感反演技术方法。通过对石羊河流域进行试验,反演误差基本小于10%,并且具有进一步推广的技术前景。     

基于北斗地基增强系统的中国区域电离层建模研究

在卫星导航定位中,电离层延迟误差是主要误差源之一,其影响可以到达数米乃至数百米,有必要进行高精度的电离层模型研究,尤其是区域的高精度电离层模型建立．本文基于北斗地基增强系统114基准站三系统 (GPS／BDS／GLONASS) 双频的观测数据进行电离层提取计算,并结合多项式函数模型进行建模,得出中国区域内的电离层模型,并采用直接跟CODG的电离层产品比较和间接通过单频精密单点定位方式来评估模型精度．结果表明,基于北斗地基增强系统建立的中国区域电离层模型精度高于CODG发布的电离层格网模型且更符合中国区域电离层的真实空间分布．      

基于SPOT5遥感影像的浅层滑坡体自动提取方法

本文在前人研究的基础上,对浅层滑坡体的提取方法进行了改进。首先利用改进的MSAVI算法提取SPOT5影像中的裸地信息,进而对提取的结果进行去阴影、坡度筛选、形态学滤波、栅-矢转换、面积和顺坡性筛选,并基于改进的多峰直方图阈值自动选取算法实现了滑坡体信息的自动提取。经过实验比较表明,改进的方法既有效地去除非滑坡体等干扰信息,又真正实现了滑坡体信息的自动提取,从而极大地提高了已发生滑坡体的识别、提取效率和精度。     

一种改进的去噪阈值混合滤波算法

中值滤波和均值滤波通常被分别用来处理脉冲噪声和高斯噪声,但当图像同时存在高斯噪声和脉冲噪声时,单独用任何一种滤波方法都不能达到最好的去噪效果。针对这一问题,本文提出了一种改进的基于去噪阈值的图像混合滤波算法,可以更有效地减少噪声,又可以较好地保持图像的边缘细节信息。     

基于统计的边缘阈值检验方法

本文提出了建立在统计分析的基础上边缘阈值检验方法,每个像素的阈值由像素处的梯度矢量的统计特性决定,这些梯度矢量的统计量用来确定边缘像素选取是否合理,从所获得的结果来看,该方法与以往的边缘检测方法不仅是一致的;而且该方法输入参数值产生的结果比其他边缘检测方法更稳定。     

基于噪声估计的卡尔曼滤波用于GPS卫星钟差预报研究

利用重叠哈达玛方差确定卫星钟噪声随机模型,采用顾及钟差随机噪声模型的卡尔曼滤波进行钟差预报分析,并与最小二乘预报算法相比较,得出以下结论:卡尔曼滤波进行1 d以内的短期预报时,精度达到亚纳秒级,优于最小二乘预报算法,在长期预报或拟合数据量较少时,最小二乘预报精度优于卡尔曼滤波。     

基于边界特性改进直方图门限法的道路提取

针对经典边缘检测算子在提取道路边缘时,易于受到房屋边界、地类界等线性目标的干扰,使得检测出道路边缘的同时混有其它非道路线现象,提出一种基于边界特性改进直方图门限算法提取道路边缘像素,利用边缘像素改善直方图检测道路像素的方法。该算法首先获取道路边缘像素,然后通过形态学运算得到初始道路段,细化获取道路中心线,最后对其进行判断编组连接得到道路网络。     

基于分形的数字水系集水面积阈值确定研究

集水面积阈值的确定是基于数字高程模型提取水系过程中的关键环节,但目前集水面积阈值的确定存在着随意性和主观性.本文引入分维数量化集水面积阈值对水系提取的影响.研究表明,在给定标度区间内集水面积阈值和分维数存在着良好的回归关系.二者的拟合方程可用来进行集水面积阈值的合理确定和水系的准确提取.