基于随机森林的福建省区域滑坡灾害预警模型研究

摘要

福建省滑坡灾害群发,点多面广,开展区域滑坡灾害预警业务是有效防灾减灾的重要手段,预警模型的科学性和有效性是预警业务的核心问题。传统区域滑坡灾害预警模型,受到滑坡诱发机理复杂、数据积累有限,以及大数据分析方法不足等限制,存在预警精度有限、精细化不足等问题。本文基于近9年地质与气象大数据,采用随机森林算法,构建了福建省区域滑坡灾害预警模型并开展实例校验。研究得出如下结论:(1)提出区域滑坡灾害训练样本集构建的优化方法,并构建了福建省区域滑坡灾害训练样本集,样本集包括地质环境、降雨等26个输入特征属性和1个输出特征属性,涵盖了福建省近9年(2010~2018年)全部样本数量达15589个(其中:正样本3562个,负样本12027个,正负样本比例约1︰3.4);(2)基于随机森林算法,对福建训练样本集进行学习训练、模型优化和模型存储。模型训练采用5折交叉验证法,采用贝叶斯优化算法进行模型参数优化,采用精确度、ROC曲线和AUC值等指标校验模型准确度和模型泛化能力。优化后的模型准确率和泛化能力均较好(准确率94.3%,AUC为0.954);(3)选取2021年6月22日和28日的实际滑坡灾害发生情况,采用本文新提出的预警模型进行实况模拟运行,命中率均为100%。对比原显式统计模型预警结果,新模型命中率是原模型的6倍(6月22日)或相当(6月28日),新模型预警区内滑坡密度是原模型的1.6~1.7倍。初步验证表明基于随机森林的新模型优势明显,命中率更高,预警区面积更小,能够实现更加精准的预警。后续将继续跟踪研究区新发滑坡灾害情况,进行模型校验与修正完善。