我國地域遼闊,地理環(huán)境復雜多樣,地質災害頻繁發(fā)生,給人民生命財產造成了極大的危害。黨和國家高度重視地質災害防治工作,國務院專門成立災害應急管理部,加強地質災害防治工作,將地質災害系統(tǒng)預報提到議事日程。傳統(tǒng)的地質災害預報系統(tǒng)存在監(jiān)測儀器落后、布設量少、參數單一以及預報模型簡單等問題,預報準確率較低。文章以滑坡地質災害為例,通過對山陽縣滑坡地質災害影響因子的篩選,結合機器學習相關理論,對比分析多種預報模型精度,建立了基于XGBoost優(yōu)化的Bagging集成預報模型,實現較高精度的滑坡地質災害預報。文章以陜西省山陽縣重點地質災害監(jiān)測項目12個監(jiān)測站的監(jiān)測數據為研究對象,在研究山陽縣地形地貌的基礎上,對其災害發(fā)生類型、規(guī)模及分布特點進行分析,確定滑坡地質災害發(fā)生的主要影響因素。首先基于課題組設計的滑坡地質災害監(jiān)測硬件平臺,采集到研究區(qū)2014年4月到2015年4月的數據作為樣本數據;其次采用核主成分分析法對滑坡災害的影響因子降維處理,提取得到滑坡災害的8個主要成災因子,并運用小波結合Kalman濾波算法進行多傳感器數據融合,篩選出有效的數據作為訓練樣本;然后分別建立RBF神經網絡、支持向量機、...

【文章頁數】：79 頁

【學位級別】：碩士

【文章目錄】：
摘要
abstract
1 緒論
    1.1 課題來源和課題研究背景
        1.1.1 課題來源
        1.1.2 課題研究背景
    1.2 研究目的和意義
    1.3 國內外研究現狀
    1.4 課題研究的內容及技術路線
2 滑坡地質災害發(fā)育特征及形成因子
    2.1 研究區(qū)地形地貌
    2.2 研究區(qū)地質發(fā)育特征
        2.2.1 地質災害主要類型及規(guī)模
        2.2.2 地質災害分布與規(guī)律
    2.3 滑坡地質災害主要誘發(fā)因素
        2.3.1 誘發(fā)內因
        2.3.2 誘發(fā)外因
    2.4 本章小結
3 滑坡地質災害監(jiān)測預報系統(tǒng)
    3.1 系統(tǒng)硬件平臺
        3.1.1 傳感器選型及布放
        3.1.2 監(jiān)測終端
    3.2 系統(tǒng)應用軟件實現
        3.2.1 滑坡地質災害監(jiān)測工作流程
        3.2.2 數據中心軟件
    3.3 本章小結
4 預報模型算法基礎研究
    4.1 滑坡地質災害預報模型的主要研究方法
    4.2 成災因素篩選及多傳感器數據融合處理
        4.2.1 KPCA成災因子篩選
        4.2.2 多傳感器數據融合
    4.3 機器學習算法
        4.3.1 RBF神經網絡
        4.3.2 支持向量機
        4.3.3 集成學習
        4.3.4 XGBoost
    4.4 模型評價標準
    4.5 本章小結
5 滑坡地質災害預報模型研究
    5.1 數據來源及預處理
        5.1.1 數據來源
        5.1.2 數據預處理
    5.2 基于RBF神經網絡的預報模型研究
        5.2.1 預報流程
        5.2.2 模型構建
        5.2.3 實驗分析
    5.3 基于支持向量機的預報模型研究
        5.3.1 預報流程
        5.3.2 SVM核函數
        5.3.3 模型構建
        5.3.4 實驗分析
    5.4 基于集成學習算法的預報模型研究
        5.4.1 模型構建
        5.4.2 實驗分析
        5.4.3 算法性能比較與分析
    5.5 XGBoost參數優(yōu)化
    5.6 本章小結
6 總結與展望
    6.1 總結
    6.2 展望
參考文獻
作者攻讀學位期間發(fā)表論文清單
致謝



本文編號：4043779