基于BP神经网络的怒江流域泥石流易发性动态区划模型研究

摘要

地形、地貌、地质以及气候条件的复杂性使怒江流域的泥石流触发机理研究难度极大,而现有的泥石流易发性区划研究成果受主观影响较大,如今时空大数据和机器学习技术的发展为无假设机制下的泥石流易发性风险评估研究提供了新途径。基于泥石流成因搜集潜在的影响因子,通过相关性分析筛选出土壤质地、植被指数、土壤类型、高程、坡度、坡向、降雨量以及历史灾害影响因子等13个评价指标,并用上述指标训练最佳预测模型,将模型预测结果与云南省最新的泥石流隐患点分布进行对比分析,结果表明,该模型预测的泥石流高发生和极易发生区域的准确率达到了77.5%和73.8%,预测的泥石流灾害的准确率达到了77.7%。该研究成果可为泥石流防灾减灾工作提供参考。