不确定UGM-CFSFDP算法在滑坡危险性预测中的研究与应用

摘要

滑坡灾害对环境、资源均构成巨大威胁，并且给人们生活带来重大影响。滑坡发生受降雨等多种诱发因素作用，降雨本身具有不确定性，传统方法无法实现准确刻画，给滑坡危险性预测带来了一定的挑战，因此寻找一种科学有效的预测方法具有非常重要的实践意义。 数据挖掘中聚类算法能将有较高相似度的数据划分为一类，可以根据已知信息去预测未知事物，本文选用快速搜索和密度峰值聚类算法(CFSFDP算法)作为基础算法，引入t近邻信息定义相对密度作为一种新的度量对象点密度的标准，优化数据集中聚类中心的选择，克服了数据分布不均匀时聚类中心选取依赖于设置密度阈值的缺陷；利用网格划分和类合并思想避免了聚类时使用全局阈值的局限性，实现对大规模数据的有效处理；根据上述理论提出了一种基于网格和相对密度的算法(GM-CFSFDP)，可实现对大规模和密度分布不均匀数据集的处理，综合考虑滑坡灾害的特性，构建滑坡危险性预测模型进而对滑坡危险性等级进行预测。 滑坡的发生是由多种因素共同作用而成，其中一个重要因素降雨的取值在一个区间范围内，具有不确定性，使得 GM-CFSFDP算法在滑坡危险性预测中不能对其准确的处理。为了解决降雨等不确定因素难以有效处理的问题，首先引入不确定数据模型，考虑区间范围内点与点之间的差值，拓展传统Euclidean距离，设计E-ML距离，实现对不确定数据的有效处理。然后把E-ML距离引入GM-CFSFDP算法，提出不确定UGM-CFSFDP算法，通过在不确定仿真数据集上的实验，其结果表明不确定 UGM-CFSFDP算法具有更高的聚类质量。最后构建不确定 UGM-CFSFDP算法滑坡危险性预测模型对延安宝塔区进行预测，结果证明不确定 UGM-CFSFDP算法可以取得较好的预测精度，从而验证了该算法在滑坡危险性预测中的可行性和先进性。

目录

声明

第一章 绪 论

1.1 选题背景及意义

1.2 国内外研究现状

1.3 研究内容及技术路线

1.4 论文的结构安排

第二章 CFSFDP算法相关概述

2.1 CFSFDP算法概述

2.2 CFSFDP算法介绍

2.3 CFSFDP算法分析

2.4 本章小结

第三章 不确定UGM-CFSFDP聚类算法研究

3.1 不确定数据概述

3.2 E-ML距离度量设计

3.3 GM-CFSFDP算法

3.4 不确定UGM-CFSFDP算法

3.5 实验分析

3.6 本章小结

第四章 不确定UGM-CFSFDP聚类算法在滑坡危险性预测中的应用

4.1 数据来源及预处理

4.2 区域滑坡危险性等级评价

4.3 实验结果与分析

4.4 本章小结

第五章 总结与展望

5.1 本文总结

5.2 研究展望

参考文献

致谢

攻读学位期间的研究成果