張世良

基于GISANN的寧德地質(zhì)災(zāi)害風(fēng)險評價系統(tǒng)研究

張世良

（寧德師范學(xué)院計算機系，福建寧德352100）

將GIS技術(shù)和神經(jīng)網(wǎng)絡(luò)集成應(yīng)用于寧德地質(zhì)災(zāi)害危險性評價中，發(fā)揮GIS強大的空間信息可視化管理分析功能及神經(jīng)網(wǎng)絡(luò)的非線性描述和分析功能，建立GISANN模型.旨在實現(xiàn)地質(zhì)災(zāi)害危險性評價的可視化管理，為寧德國土資源開發(fā)、環(huán)境保護、地質(zhì)災(zāi)害防治工程等提供科學(xué)決策依據(jù)，增強政府自然災(zāi)害應(yīng)急救助能力，為和諧社會建設(shè)和可持續(xù)發(fā)展提供科學(xué)支撐.

危險性評價；地質(zhì)災(zāi)害；GIS；倒傳遞類神經(jīng)網(wǎng)絡(luò)

寧德市地質(zhì)災(zāi)害易發(fā)區(qū)分布范圍較廣，具有點多、面廣、突發(fā)性強、危害性大的特點，除濱海平原、山間盆地、山前坡麓及零星洼地外，大部分山區(qū)、溝谷、溝口、坡度≥15°的土質(zhì)斜坡及結(jié)構(gòu)面與斜坡坡向同向且傾角小于坡角的巖質(zhì)斜坡，極易產(chǎn)生滑坡、崩塌、泥石流等各類地質(zhì)災(zāi)害［1］.2008年寧德市連續(xù)遭受“風(fēng)神”和“海鷗”、“鳳凰”、“森拉克”、“薔薇”等多次臺風(fēng)暴雨的影響，全市共發(fā)生大小地質(zhì)災(zāi)害50起，其中滑坡25起，崩塌25起；2010年6月12日-6月19日福建省遭遇50年一遇持續(xù)強降雨侵襲期間，寧德市古田縣地質(zhì)災(zāi)害嚴重，造成多處重要交通干線中斷、多人傷亡和人民財產(chǎn)嚴重損失.利用GIS技術(shù)和神經(jīng)網(wǎng)絡(luò)集成應(yīng)用于寧德地質(zhì)災(zāi)害危險性評價.根據(jù)寧德地質(zhì)災(zāi)害發(fā)育和分布特征，社會經(jīng)濟條件和歷史災(zāi)情記錄，初步提出一套適合寧德地質(zhì)災(zāi)害風(fēng)險評價的技術(shù)體系，對于有效應(yīng)對和防御各類地質(zhì)災(zāi)害，增強政府地質(zhì)災(zāi)害應(yīng)急救助能力有積極意義.

1 改進的RBF算法

類神經(jīng)網(wǎng)絡(luò)（Artificial Neural Network）是一種以計算機的軟、硬件來模仿生物神經(jīng)網(wǎng)絡(luò)信息處理模式之計算系統(tǒng)，具有學(xué)習(xí)能力，并且在學(xué)習(xí)完成后使用十分方便，能快速得到結(jié)果，因此早已應(yīng)用于各領(lǐng)域的研究上［2］.類神經(jīng)網(wǎng)絡(luò)是由復(fù)雜的權(quán)重與轉(zhuǎn)換函數(shù)所構(gòu)成，因此通常被視為黑箱模型的一種，并無法直接衡量每個輸入變量的作用與重要性.然而，在類神經(jīng)網(wǎng)絡(luò)中又分為許多模式，每一種模式皆有獨特的算法與適用的問題，其中倒傳遞類神經(jīng)網(wǎng)絡(luò)［3］（Back Propagation Neural Network，BPNN）加入EDBD算法(Extended Delta-Bar-Delta Algorithm)后是一種加速收斂的方法，對于學(xué)習(xí)循環(huán)中跳躍和趨緩有加速收斂和提高精準度之效，這在衛(wèi)星影像分類上并不多見.筆者以PBN+EDBD作為本文主要的研究方法，該方法是對神經(jīng)網(wǎng)絡(luò)與GIS對現(xiàn)有的地質(zhì)災(zāi)害風(fēng)險評價理論框架進行了適度的改進.

當(dāng)BPN使用固定學(xué)習(xí)速率進行學(xué)習(xí)時，經(jīng)常會遭遇兩種現(xiàn)象，即減緩現(xiàn)象與跳出現(xiàn)象，主要內(nèi)容有幾個方面.

1.1減緩現(xiàn)象

在網(wǎng)絡(luò)學(xué)習(xí)過程中，某一連結(jié)的權(quán)值改變量連續(xù)數(shù)次為同號，即連續(xù)為正或連續(xù)為負，這表示該連結(jié)的上端神經(jīng)元之差距量連續(xù)為正或連續(xù)為負（見圖1）.這種現(xiàn)象也表示著使誤差函數(shù)達到最低值的權(quán)值尚末被跳過.如果誤差函數(shù)遞減的速度遞減，稱為減緩現(xiàn)象.

1.2跳出現(xiàn)象

在網(wǎng)絡(luò)學(xué)習(xí)過程中，某一連結(jié)的權(quán)值改變量連續(xù)數(shù)次為異號，即正負連續(xù)穿插，這表示該處神經(jīng)元的差距量連續(xù)正負相互穿插（見圖2）.這種現(xiàn)象也表示著使誤差函數(shù)達到最低值的權(quán)值已經(jīng)跳過.如果誤差函數(shù)值遞增，稱為跳出現(xiàn)象.

圖1 減緩現(xiàn)象

圖2 跳出現(xiàn)象

為了改善上述兩種現(xiàn)象，本研究將引用Minia A A等人提出的EDBD算法［4-5］，使BPN學(xué)習(xí)時之速率與精度提高，EDBD算法相關(guān)原理就是在神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)權(quán)值的改變量+慣性項，用以改善收斂過程中震蕩的現(xiàn)象及加速收斂，見公式（1）.

其中ΔWij(t)表示為Wij（表示介于第n-1層的第i個神經(jīng)元與第n層的第j個神經(jīng)元間的權(quán)值）第t次學(xué)習(xí)循環(huán)的改變量，其余類推.

αij(t)·ΔWij(t-1)表示慣性項；αij(t)表示慣性因子，控制慣性項之比例，且0≤αij(t)≤1.

其中ηmax表示學(xué)習(xí)速率上限值.

其中αmax表示慣性因子上限值.

δij(t)：第t次的差距量.式（1）至（5）共有kl、?l、γl、ηmax、km、?m、γm、αmax、ξ等九個參數(shù)，其中參數(shù)值由使用者依網(wǎng)絡(luò)特性而自行決定，一般透過試誤或經(jīng)驗獲得較佳之參數(shù)組合.

2 模型建立

人們所有活動主要都圍繞在道路周邊，離道路越近，人為開發(fā)以及破壞程度越高，越影響坡地間原有的穩(wěn)定性.崩塌所分布的高程，主要集中在人們所涉及，活動較為頻繁且密集之處，邊坡地質(zhì)、邊坡水文、人為因素對崩塌地的發(fā)生和影響因素有相當(dāng)大的重要性，可用來當(dāng)作邊坡穩(wěn)定問題的參考，因此選取了距河川距離與距道路距離及高程3個因子為主要分析因子；因距河川愈近地區(qū)，土壤含水量豐富，易發(fā)生崩塌，而人們所有之活動主要都圍繞在道路周邊，因此距離道路越近，人為開發(fā)以及破壞程度也越高，影響坡地間原有的穩(wěn)定性［6-7］.選取與道路距離、與河川距離、地形坡度、平均降雨量、人類工程經(jīng)濟活動強度、泥石流溝密度和地貌類型，而地貌類型包括平原、溝谷和丘陵山地3類，地貌類型控制地物的分布.首先將評估區(qū)劃分為127個單元網(wǎng)絡(luò)，然后對8個因子進行了定性量化，按照定性評價結(jié)果分別賦值，并將該值歸一化后，作為神經(jīng)網(wǎng)絡(luò)的8個輸入向量，選取隱層數(shù)量為10，輸出層含有4個神經(jīng)元，如用1 000、0 100、0 010和0 001代表滑坡、崩塌、不穩(wěn)定斜坡和泥石流；而輸出四個量中4個輸出值都非常接近1表示極敏感區(qū)，有3個值都接近1表示高度敏感區(qū)，二個表示敏感區(qū)，有一個表示輕度敏感區(qū)，沒有接近1表示不敏感區(qū). BPN-EDBD算法的各項數(shù)據(jù)參數(shù)共分為kl、?l、γl、ηmax、km、?m、γm、αmax、ξ等九個參數(shù)，在此次的3個范例中皆設(shè)為(20、0.7、10、0.1、20、0.7、10、0.1、0.01)，初始權(quán)重值與閥值則隨機設(shè)為-1至1之間值.整個系統(tǒng)構(gòu)成8-10-4網(wǎng)絡(luò)模型（見圖3）.

圖3 RBFANN預(yù)測模型

3 預(yù)測結(jié)果分析

受災(zāi)地區(qū)的土地信息，如耕地、林地和建設(shè)用地等，從遙感數(shù)據(jù)提取，然后與DEM數(shù)據(jù)集成對災(zāi)區(qū)地形分成平原區(qū)、陡坡區(qū)、斜坡區(qū)和山谷等類型而形成受災(zāi)地區(qū)地形地圖.然后對遙感圖像進行分割再與坡度信息進行變疊加提取崩塌，滑坡和泥石流等災(zāi)害分布圖.從地.然后根據(jù)災(zāi)害不同的致災(zāi)因子對地質(zhì)災(zāi)害的影響程度而確定其影響系數(shù)，最后分析致災(zāi)因子對地質(zhì)災(zāi)害的分布規(guī)律的關(guān)系，通過調(diào)用集成GIS工具計算，得到地質(zhì)災(zāi)害的危險性分布圖.為了提高系統(tǒng)的準確性，首先實地考察選取部分已知的點進行訓(xùn)練，然后選取整個市的處理數(shù)據(jù)進行分析，最后效果見圖4.

寧德地區(qū)極度敏感區(qū)幾乎沒有而且高度敏感度區(qū)分布相對比較集中，風(fēng)險中的地區(qū)主要分布于山區(qū)各縣，寧德地區(qū)地質(zhì)災(zāi)害風(fēng)險較高的地區(qū)主要分布于西北地區(qū)，即周寧、屏南和壽寧，主要是山體滑坡與泥石流，這些地區(qū)地質(zhì)災(zāi)害發(fā)育，活動性較強、山體穩(wěn)定性較差受雨水臺風(fēng)沖蝕較易產(chǎn)生山體滑坡與泥石流.有些地區(qū)如霞浦縣的部分地區(qū)，幾乎受不到地質(zhì)災(zāi)害的危脅.從整個評估結(jié)果可看出，使用基于GISANN的寧德地質(zhì)災(zāi)害風(fēng)險評價系統(tǒng)模型能夠有效地解決地質(zhì)災(zāi)害評價的不確定性，評估結(jié)果與實質(zhì)情況相差不大，這就表明此模型評估方法是合理可行的，在工程實踐中具有良好的參考價值.

圖4 預(yù)測結(jié)果分布圖

4 結(jié)論

利用地理信息系統(tǒng)所提供的強大空間分析功能和神經(jīng)網(wǎng)絡(luò)的非線性描述和分析功能建立GISANN模型，并且在倒傳遞類神經(jīng)網(wǎng)絡(luò)加入EDBD算法來加速其收斂，使神經(jīng)網(wǎng)絡(luò)在學(xué)習(xí)循環(huán)中跳躍和趨緩有加速收斂作用，從而提高精準度.對寧德地區(qū)地質(zhì)災(zāi)害資料進行處理，以地圖圖層的形式輸入GIS系統(tǒng)中，作出了地質(zhì)災(zāi)害風(fēng)險程度分布圖，在應(yīng)對人類自然災(zāi)害的預(yù)測與決策中提供可靠的科學(xué)數(shù)據(jù)，為寧德的環(huán)境保護等方面發(fā)揮更大作用.

［1］張枝令，張世良.基于GIS的寧德市水資源管理信息系統(tǒng)設(shè)計［J］.寧德師范學(xué)院學(xué)報：自然科學(xué)版，2013，25(2)：159-162.

［2］馬銳.人工神經(jīng)網(wǎng)絡(luò)原理［M］.北京：機械工業(yè)出版社，2010.

［3］張世良.改進的RBF網(wǎng)絡(luò)在寧德市綜合需水預(yù)測中的應(yīng)用［J］.聊城大學(xué)學(xué)報：自然科學(xué)版，2013，26（4）：99-102.

［4］Diedirichs K，F(xiàn)reigang J，Umhau S，etc.1998.Prediction by a neural network of outer membrane{beta}-strand protein topology［J］.Protein Science，7(11)，2413–2420.

［5］Minai A A，Williams R D.Back-propagation heuristics:a study of the extended delta-bardelta algorithm［J］.Neural Networks，1，595-600.

［6］周維華.RBF神經(jīng)網(wǎng)絡(luò)隱層結(jié)構(gòu)與參數(shù)優(yōu)化研究［D］.上海：華東理工大學(xué)碩士論文［D］，2013.

［7］柯福陽，李亞云.基于BP神經(jīng)網(wǎng)絡(luò)的滑坡地質(zhì)災(zāi)害預(yù)測方法［J］.工程勘察，2014(8)：55-60.

The research of geological disaster risk assessment system based on GISANN in Ningde

ZHANG Shi-liang
（Department of Computer,Ningde Normal University,Ningde 352100,Fujian,China）

The paper applied integration of GIS technology and neural network to the geological hazard evaluation of Ningde.The GISANN neural network,with the powerful functions of GIS spatial information visualization and analysis of nonlinear description and analysis,could achieve geological hazard assessment visualization management,to help the development of land and resources,thus to help Ningde,environmental protection and geological disaster prevention projects by providing scientific basis for decision making and enhancing government natural disaster emergency relief capacity,and providing scientific support for building a harmonious society and sustainable development.

risk assessment；geological disasters；GIS；RBF

TP391.9

A

1007-5348（2014）12-0015-04

（責(zé)任編輯：歐愷）

2014-10-09

福建省教育廳A類項目（JA14331）；寧德師范學(xué)院創(chuàng)新團隊項目（2013T08）；寧德師范學(xué)院服務(wù)海西項目（2013F33）.

張世良（1973-），男，福建寧德人，寧德師范學(xué)院計算機系講師，碩士研究生，主要從事地理信息系統(tǒng)理論與應(yīng)用的研究.