基于卷积神经网络的福建省区域滑坡灾害预警模型

• 作者: 董力豪 刘艳辉 黄俊宝 刘海宁
• 来源期刊: 水文地质工程地质
• 关键词: 滑坡灾害 预警模型 深度学习 卷积神经网络 模型构建
• 年，卷（期）: 2024,（1）
• 页码范围: 145-153
• 页数: 9页
• 语种: 中文
• DOI: 10.16030/j.cnki.issn.1000-3665.202211018

摘要

福建省滑坡灾害频发，开展区域尺度上的滑坡灾害预警是防灾减灾的重要手段，但由于滑坡成灾机理复杂，传统的区域滑坡预警方法存在精度不足等问题。深度学习是指通过构建神经网络模型进行特征的提取、抽象、表示与学习的技术，是机器学习的一种。卷积神经网络作为一种经典的深度学习算法，具有比传统机器学习更强大的分类能力与表征能力。文章以福建省为研究区，将卷积神经网络引入滑坡灾害预警领域，构建福建省区域滑坡预警模型，过程及结果如下：（1）采用SMOTE优化算法对2010—2018年福建省滑坡灾害样本库进行优化，扩充正样本的个数，将正负样本比例从1∶3.4扩充到1∶2，样本总量达到18 040个；（2）构建卷积神经网络模型结构，模型结构包括一个输入层、两个卷积层、两个最大池化层和一个全连接层以及一个输出层；（3）使用卷积神经网络对优化后的样本（2010—2018年样本的80%作为训练集）进行训练，并用贝叶斯优化算法优化模型超参数，得到福建省区域滑坡预警模型；（4）以2010—2018年样本的20%作为测试集对模型进行测试，采用混淆矩阵、ROC曲线进行模型测试，结果显示模型准确度为0.96～0.97,AUC值达到0.977，模型精度与泛化能力良好；（5）以2019年汛期滑坡灾害实况作为正样本，通过时空采样的方法采集负样本，构建2019年区域滑坡样本校验集（样本数603个），对模型进行进一步实况校验，采用混淆矩阵、ROC曲线进行模型校验，结果显示模型准确度为0.75～0.85,AUC值为0.852。虽然仅用了2019年汛期的滑坡实况样本进行校验，但也达到较好的效果。将卷积神经网络算法应用到区域滑坡预警中，为建立区域滑坡预警模型提供了一种新的途径，初步校验表明，模型效果良好，今后将在福建省对模型进行进一步的应用与校验。