基于决策树的滑坡预报判据数据挖掘研究

论文摘要

自2003年三峡水库开始蓄水后,在库水位周期波动的作用下,三峡库区的地质环境更加恶化,致使大量古滑坡复活,如白水河滑坡等。在降雨和库水的诱发因素影响下,这些滑坡的变形往往表现出周期波动性增加。这种滑坡在失稳前要经历多次加速变形,采用传统的工程防治方法耗财耗力。为了避免灾害发生或减轻灾害影响,事先对滑坡做出预报,判断其变形情况,并采取有效的防范措施显得尤为重要。滑坡预报问题的核心是预报模型的建立与预报判据的挖掘。自20世纪60年代开始,国内外专家经过数十年的悉心钻研,在滑坡预测预报模型和理论方面取得了长足进展,提出了多种不同参数的滑坡预报判据,并且在实践上也积累了成功预报的经验。但是由于滑坡变形演化过程的随机性、复杂性和不确定性,现有的滑坡预测预报模型和预报判据仍存在着一些明显的缺点或不足,并未真正揭示滑坡变形的本质和综合考虑各种影响因素。面对海量的滑坡数据资料,本文将数据挖掘方法和技术引入到研究中,以白水河滑坡为例,综合分析滑坡变形的时空演化特征,发现白水河滑坡目前并未进入加速变形阶段。受时间尺度的影响很难对白水河滑坡的破坏发生时间做出准确预报,故本文利用数据挖掘方法对其进行了中长期定性与定量趋势预报,挖掘出综合预报判据并提出综合预报指数的概念。最后利用综合预报指数建立时间序列ARIMA位移预测模型,取得了良好的预测结果。通过对这些问题的分析与研究,论文取得了以下成果：1)分析了白水河滑坡变形的时空演化特征。通过对滑坡的累计位移-时间曲线分析,发现白水河滑坡的变形演化过程具有明显的阶梯形特征,且滑坡中前部变形较明显,后缘变形缓慢,判断该滑坡属于牵引式滑坡。通过研究该滑坡的裂缝分布,发现该滑坡目前没有形成圈闭的裂缝贯通体系,整体滑动边界并未形成,综合判断该滑坡尚未进入加速变形阶段。2)建立了白水河滑坡降雨和库水诱发因素中长期预报判据。首先利用K-Means算法对滑坡变形的月位移量进行聚类,根据滑坡变形演化特征,将各期滑坡变形阶段划分成三类：缓慢变形阶段、累进变形阶段和快速变形阶段；然后利用决策树C5.0算法对降雨（日降雨量、月降雨量）、库水（升降、平均库水位变化率）诱发因素构建滑坡变形趋势预报模型,归纳出诱发因素预报判据。3)结合宏观变形等因子建立滑坡综合预报判据,并提出综合预报指数（I）概念。利用决策树C5.0算法,结合挖掘出的诱发因素判据、宏观变形特征（裂缝、局部变形等）、深部位移变化率构建综合预报模型,预报结果的Kappa系数均达到了0.9以上。分析归纳出的综合预报判据,发现各判据多是各因子共同叠加影响滑坡变形,且过于精确绝对,不能全面表现出各因子叠加组合。为此,提出了综合预报指数（I）的概念,利用挖掘出的综合预报判据中的最优分割点将各个因子划分成四类,并对各个类别赋予相同的权重,利用构建决策树模型时计算的各个因子变量的重要性程度作为因子权重,然后将各因子权重叠加,得到综合预报指数,确定该值的范围是1.0-4.0。4)利用时间序列方法对滑坡累计位移量进行了定量预测。论文对2004年1月到2010年11月的位移监测数据进行分析,按照月划分时间区间,得到83期位移数据,对前60期数据利用ARIMA算法构建累计位移-综合预报指数模型,对后23期数据进行预测验证,平均绝对误差（MAE）为25.014,证明利用综合预报指数（I）构建位移预测模型史能全而反映滑坡变形受自身、诱发因素、外界环境变化等因素的影响,对滑坡位移量的预测准确度较高。

论文目录

• 作者简介
• 摘要
• ABSTRACT
• 第一章 绪论
• 1.1 选题的来源、目的和意义
• 1.2 国内外研究现状、存在问题及发展趋势
• 1.2.1 滑坡预报模型研究现状
• 1.2.2 滑坡预报判据研究现状
• 1.2.3 数据挖掘技术在滑坡预测预报中的应用
• 1.2.4 存在问题及发展趋势
• 1.3 研究内容和技术路线
• 1.3.1 研究内容
• 1.3.2 技术路线
• 第二章 主要技术原理与算法介绍
• 2.1 聚类分析
• 2.1.1 聚类分析介绍
• 2.1.2 K均值算法
• 2.2 决策树算法
• 2.2.1 决策树算法概述
• 2.2.2 决策树的生成
• 2.2.3 决策树C5.0算法原理
• 2.2.4 决策树C5.0的剪枝
• 2.2.5 Boosting技术
• 2.3 本章小结
• 第三章 白水河滑坡背景及地质特征
• 3.1 白水河滑坡背景
• 3.1.1 地形地貌及规模
• 3.1.2 监测手段及布设
• 3.1.3 气象条件
• 3.1.4 地层岩性
• 3.2 白水河滑坡地质特征
• 3.2.1 滑坡的地质构造
• 3.2.2 滑坡物质组成及结构特征
• 3.2.3 滑坡水文地质
• 3.3 白水河滑坡变形的时空演化特征
• 3.3.1 滑坡变形的时间演化特征
• 3.3.2 滑坡变形的空间演化特征
• 3.4 本章小结
• 第四章 白水河滑坡中长期预报研究
• 4.1 监测数据分析与处理
• 4.1.1 降雨
• 4.1.2 库水位
• 4.1.3 地表位移数据
• 4.1.4 深部位移数据
• 4.1.5 宏观变形特征
• 4.2 白水河滑坡变形趋势预报
• 4.2.1 白水河滑坡中部
• 4.2.2 白水河滑坡东部
• 4.2.3 白水河滑坡诱发因素判据总结
• 4.3 白水河滑坡综合预报判据挖掘
• 4.3.1 综合预报判据的因子选择及预报模型
• 4.3.2 综合预报判据
• 4.3.3 综合预报指数
• 4.4 基于时间序列的变形预测研究
• 4.4.1 ARIMA模型
• 4.4.2 白水河滑坡ZG118监测点累积位移预测
• 4.5 本章小结
• 第五章 结论与展望
• 5.1 结论
• 5.2 展望
• 致谢
• 参考文献