黃小龍　熊遠紅　李紅零

摘 要：益陽市是湖南省地質(zhì)災(zāi)害易發(fā)區(qū)之一，其中滑坡地質(zhì)災(zāi)害占比74.1%?；碌拿舾行苑治鐾ǔ２捎脤＜抑R評價、編錄數(shù)據(jù)評價、滑坡過程物理評價等方法，其評價結(jié)果受評價人員水平的影響或評價過程復(fù)雜，適用性有限?；贐P神經(jīng)網(wǎng)絡(luò)算法，將益陽市338處滑坡以及1∶10 000地質(zhì)災(zāi)害詳查得到的307處未滑坡的斜坡調(diào)查數(shù)據(jù)，提取到1個數(shù)據(jù)庫中，利用BP神經(jīng)網(wǎng)絡(luò)方法，經(jīng)過信號正向傳播和反向傳播的誤差逐步修正，研究益陽市滑坡的敏感性影響因子。結(jié)果表明，計算模型和滑坡影響因子的重要性從高到低依次為斜坡類型、坡度、坡高、坡頂高程、地層巖性、斜坡結(jié)構(gòu)類型，為滑坡野外識別和防治提供了數(shù)據(jù)支撐。通過實例分析驗證了計算模型的正確性，該計算模型可應(yīng)用于大批量斜坡穩(wěn)定性分析。

關(guān)鍵詞：BP神經(jīng)網(wǎng)絡(luò)；滑坡；敏感性；影響因子；穩(wěn)定性預(yù)測

Sensitivity analysis of landslide based on BP neural network in Yiyang City， Hunan Province

HUANG Xiaolong， XIONG Yuanhong， LI Hongling

（Urban Geological Survey and Monitoring Institute of Hunan， Changsha 410000， Hunan， China）

Abstract： Yiyang City is one of the areas prone to geological disasters in Hunan Province with landslide disasters accounting for 74.1%. The sensitivity analysis of landslide is usually carried out by means of expert knowledge evaluation， compilation data evaluation and physical evaluation of landslide processes. The evaluation results of the above methods are affected by the evaluation personnel quality， and the complicated evaluation process， and hence with limited applicability. Based on BP neural network algorithm， a database was set up with inputs from 338 landslides and 307 non-landslide slopes obtained from 1∶10 000 geological disaster survey in Yiyang City. Studies of the influence factors of landslide sensitivity were carried out on those data by BP neural network method and gradually corrected by errors of signal forward and reverse propagation. The results show that the importance of calculation model and landslide sensitive factors from high to low is slope type， slope， slope height， slope top elevation， stratigraphic lithology， and slope structure type， which provides data support for landslide field identification and prevention. The calculation model is verified by an example analysis， and the results are proved to be accurate. This calculation model can be applied to a large number of slope stability analysis.

Keywords： BP neural network; landslide; sensitivity; influence factor; stability prediction

滑坡是地質(zhì)災(zāi)害中發(fā)生頻率最高的災(zāi)害之一，大部分專家學(xué)者對滑坡的敏感性采用經(jīng)驗法、編錄法以及物理力學(xué)分析法進行分析，得到了許多研究成果（王娜，2019）。益陽市是湖南省內(nèi)滑坡高發(fā)的區(qū)域之一，累計造成直接經(jīng)濟損失1.37億元，潛在經(jīng)濟損失1.59億元，嚴重威脅著人民的生命財產(chǎn)安全。

在多種滑坡敏感性分析方法中，基于專家知識的評價方法運用較廣，但評價結(jié)果受專家影響較大；基于編錄數(shù)據(jù)的評價方法受資料完整程度的影響，如缺乏資料，評價結(jié)果受到極大影響；基于滑坡物理力學(xué)的評價方法需要勘查、測繪等工作提供數(shù)據(jù)，耗時長、成本大；基于數(shù)學(xué)模型的分析方法屬于定量方法（段宇英等，2022），結(jié)果直觀，受調(diào)查人員素質(zhì)影響小。BP神經(jīng)網(wǎng)絡(luò)理論上已經(jīng)證明它具有實現(xiàn)任何復(fù)雜非線性映射功能，特別適合求解內(nèi)部機制復(fù)雜的問題，滑坡的形成機制復(fù)雜，影響因子多，BP神經(jīng)網(wǎng)絡(luò)能夠完美適配分析（胡軍等，2016），BP神經(jīng)網(wǎng)絡(luò)在其局部的或者部分的神經(jīng)元受到破壞后對全局的訓(xùn)練結(jié)果不會造成很大的影響，即BP神經(jīng)網(wǎng)絡(luò)具有一定的容錯能力，即使調(diào)查人員判識錯誤也對預(yù)測結(jié)果沒有影響，許多學(xué)者運用其進行邊坡穩(wěn)定性分析（臧焜巖等，2019；張曉宸等，2022）。

BP神經(jīng)網(wǎng)絡(luò)在訓(xùn)練時，能夠通過模型訓(xùn)練總結(jié)輸入、輸出數(shù)據(jù)間的“合理規(guī)則”，并自適應(yīng)地將學(xué)習(xí)內(nèi)容記憶于網(wǎng)絡(luò)的權(quán)值中，因此可以通過學(xué)習(xí)得到滑坡影響因子的權(quán)值。但大部分研究對于影響因子的選擇主要是基于GIS選取，而每個滑坡都有不同的形態(tài)、物質(zhì)組成，不同滑坡的影響因子不同，各影響因子對于滑坡穩(wěn)定性影響程度也不一樣。本文依據(jù)益陽市滑坡詳細調(diào)查數(shù)據(jù)、1∶10 000地質(zhì)災(zāi)害詳查斜坡數(shù)據(jù)，重新確定滑坡的影響因子，采用BP神經(jīng)網(wǎng)絡(luò)對影響因子進行評價，通過已有數(shù)據(jù)的BP網(wǎng)絡(luò)訓(xùn)練，研究影響因子的重要性，形成計算模型，以測試樣本檢驗計算模型的準確性。

1? 概述

1.1? 研究區(qū)概況

益陽市位于湘中偏北，系由雪峰山余脈和湘中丘陵向洞庭湖平原過渡的傾斜地帶。益陽市地形西高東低，呈狹長狀。益陽市土地總面積12 144 km2，其中山地占39.71%，丘陵占10.05%。地貌上由南至北呈梯級傾斜，南半部是丘陵山區(qū)，屬雪峰山余脈；北半部為洞庭湖淤積平原。

西部山區(qū)多年平均降雨量大于東北湖區(qū)，益陽站多年平均降雨量1 493.01 mm，最大年降雨量2 163.6 mm（1998年），最小964.8 mm（1989年），日最大降雨量312.5 mm（2022年6月5日），降雨季節(jié)性明顯，春夏兩季，降雨量占年總降雨量的64.9%，其中3—6月占全年降雨量50%。

該區(qū)大地構(gòu)造位置處于楊子陸塊與華夏陸塊的俯沖碰撞閉合帶，構(gòu)造形跡十分復(fù)雜，可劃分為東西向構(gòu)造、華夏系構(gòu)造、新華夏系構(gòu)造、帚狀構(gòu)造和北西向構(gòu)造等5種構(gòu)造體系，其中東西向構(gòu)造最為發(fā)育，新華夏系構(gòu)造次之。地層較發(fā)育，除中生界大部缺失，其余均有出露。地層巖性主要為礫石層和黏土、粉砂土、砂巖、灰?guī)r、泥巖、頁巖、板巖、玄武巖等。區(qū)內(nèi)切坡建房、切坡修路力度較大，在開挖山體、季節(jié)性降雨等條件誘發(fā)下，滑坡等地質(zhì)災(zāi)害頻發(fā)。

1.2? 數(shù)據(jù)處理

基于湖南省地質(zhì)災(zāi)害防治綜合系統(tǒng)中益陽市滑坡地質(zhì)災(zāi)害調(diào)查表，以及1∶10 000地質(zhì)災(zāi)害調(diào)查項目中安化縣、桃江縣、赫山區(qū)所調(diào)查的斜坡孕災(zāi)條件調(diào)查表，建立研究區(qū)滑坡地質(zhì)災(zāi)害數(shù)據(jù)庫，其中地質(zhì)災(zāi)害調(diào)查表作為滑坡數(shù)據(jù)庫，共計338條，斜坡孕災(zāi)條件調(diào)查表作為未滑坡數(shù)據(jù)庫，共選取307條。數(shù)據(jù)庫處理過程：①建立益陽市滑坡隱患統(tǒng)計Excel表；②選取地層巖性、坡度、坡頂高程、坡高、斜坡類型、斜坡結(jié)構(gòu)類型作為影響因子，根據(jù)地災(zāi)點滑坡野外調(diào)查表將影響因子數(shù)據(jù)逐一錄入，隨機選取1∶10 000地質(zhì)災(zāi)害詳查項目中斜坡孕災(zāi)條件調(diào)查表將信息錄入；③原始數(shù)據(jù)重分類，將影響因子中不同單位、不同屬性的數(shù)據(jù)重分類為簡單數(shù)值，分類標準見表1，其中各類影響因子第二列為重分類值。

綜合以往地質(zhì)災(zāi)害調(diào)查資料，本次共選取338條滑坡信息，同時借助1∶10 000調(diào)查項目選取307條未滑坡的斜坡孕災(zāi)條件信息，本次研究共計645條信息。根據(jù)益陽市滑坡的特性，本次研究僅選取地層巖性、坡度、坡頂高程、坡高、斜坡類型、斜坡結(jié)構(gòu)類型作為影響因子進行建模分析。

2? 研究方法

2.1? 建模思路

BP（back propagation）網(wǎng)絡(luò)是一種按誤差逆?zhèn)鞑ニ惴ㄓ?xùn)練的具有隱含層的多層前饋網(wǎng)絡(luò)。BP網(wǎng)絡(luò)能學(xué)習(xí)和存貯大量的輸入-輸出模式映射關(guān)系，而無需事前揭示描述這種映射關(guān)系的數(shù)學(xué)方程（李國勇等，2013）。它的學(xué)習(xí)規(guī)則是使用最速下降法，通過反向傳播來不斷調(diào)整網(wǎng)絡(luò)的權(quán)值和閾值，使網(wǎng)絡(luò)的誤差平方和最小。

BP網(wǎng)絡(luò)包含正、反向傳播兩個學(xué)習(xí)過程（柳青等，2019）。正向傳播時，輸入樣本從輸入層傳入，在給定的權(quán)值下，經(jīng)各隱層逐層處理后，傳向輸出層；若輸出層的實際輸出與期望的輸出不符，則轉(zhuǎn)入誤差的反向傳播階段，通過不斷修改多層神經(jīng)網(wǎng)絡(luò)權(quán)值使網(wǎng)絡(luò)的誤差平方和最小。

如圖1所示，A1，A2，…，AM為神經(jīng)網(wǎng)絡(luò)輸入層，x1，x2，…，xN為輸入層經(jīng)隱藏層的輸出結(jié)果，隱藏層為N個神經(jīng)元，z1，z2，…，zL為神經(jīng)網(wǎng)絡(luò)的輸出層，其結(jié)果受權(quán)值wij影響。輸出層經(jīng)Softmax函數(shù)（李云飛等，2021）換算得到預(yù)測概率分布si，Softmax函數(shù)的公式為

在預(yù)測模型中，評估神經(jīng)網(wǎng)絡(luò)預(yù)測結(jié)果的工具叫損失函數(shù)。選擇交叉熵作為損失函數(shù)，交叉熵代表著預(yù)測概率分布與真實概率分布之間的差異，所以差異越小越好，當差異為0時，預(yù)測值和真實值完全吻合。神經(jīng)網(wǎng)絡(luò)會根據(jù)這個原則，不斷調(diào)整網(wǎng)絡(luò)中的權(quán)重參數(shù)，使得計算出的交叉熵慢慢趨向于0。令真實值為yi，

綜上所述，整個BP神經(jīng)網(wǎng)絡(luò)的流程為（馮夏庭等，1995）：輸入?yún)?shù)-經(jīng)隱藏層輸出-Softmax函數(shù)進行分類-損失函數(shù)評估誤差-修正權(quán)重值-重新計算，如此往復(fù)，直到在輸出層神經(jīng)元上得到所需的期望輸出值為止（林國平，2021；王蒙等，2019）。

2.2? 邊坡數(shù)據(jù)處理與預(yù)測

2.2.1? 樣本的選取與數(shù)據(jù)庫建設(shè)

如1.2節(jié)所述，滑坡數(shù)據(jù)以及斜坡數(shù)據(jù)分別來源于湖南省地質(zhì)災(zāi)害防治綜合系統(tǒng)中益陽市地質(zhì)災(zāi)害調(diào)查表和1∶10 000地質(zhì)災(zāi)害詳查項目（黎璽克，2020），通過錄入數(shù)據(jù)庫并進行原始數(shù)據(jù)重分類后方可進行模型構(gòu)建，整個數(shù)據(jù)分為2部分，其中434條數(shù)據(jù)作為訓(xùn)練樣本（柏俊磊，2020），用以進行機器算法學(xué)習(xí)，211條數(shù)據(jù)作為測試樣本，用以檢驗機器算法的準確性。

完成數(shù)據(jù)庫建設(shè)以及訓(xùn)練樣本和測試樣本的選取后，將滑坡事件發(fā)生定義為1，未發(fā)生滑坡定義為0。最終得到數(shù)據(jù)庫樣本（表2）。

2.2.2? BP神經(jīng)網(wǎng)絡(luò)模型測試結(jié)果

利用BP神經(jīng)網(wǎng)絡(luò)進行算法學(xué)習(xí)，以訓(xùn)練樣本作為數(shù)據(jù)進行試驗，得到計算模型，并通過測試樣本驗證其可靠性。

通過表3可知，訓(xùn)練樣本準確率高達99.1%，試驗樣本準確率高達98.6%，模型具備可靠性。

ROC曲線（陳衛(wèi)中等，2005）以被試者在不同判斷標準下所得的虛報概率FPR（y /N，1-特異性）為橫坐標，以擊中概率TPR（y /SN，敏感性）為縱坐標，畫得的各點的連線，如圖2所示。圖中黑色對角線表示FPR=TPR，ROC曲線離這條線越遠，表示被試者的辨別力越強。AUC值為ROC曲線覆蓋區(qū)域下的面積，面積越大，分類效果越好（李俊杰，2021）。本次訓(xùn)練結(jié)果覆蓋區(qū)域為0.997，訓(xùn)練模型具有優(yōu)良的預(yù)測精度。

3? 滑坡影響因子敏感性評價

通過前人大量研究可以知道，滑坡的形成主要取決于地形地貌條件、地質(zhì)條件和斜坡自身受力條件（賀倩等，2022；韓繼沖等，2021；陳銀，2018）。本次研究結(jié)合益陽市滑坡實際情況，選取地層巖性、坡度、坡頂高程、坡高、斜坡類型、斜坡結(jié)構(gòu)類型作為影響因子。

通過計算模型分析可得到影響因子的重要性參數(shù)（表4）。其中：斜坡類型正態(tài)化重要性為100%，即斜坡的物質(zhì)組成在斜坡穩(wěn)定性影響因子中最為重要，組成物質(zhì)的穩(wěn)定性、力學(xué)參數(shù)對于邊坡的穩(wěn)定性起決定性作用，坡面注漿、錨桿加固、截排水等治理措施均是用改變斜坡組成物質(zhì)的力學(xué)性能來提高斜坡穩(wěn)定性；坡度、坡高重要性位居第2、第3，可以理解為斜坡的外部形態(tài)對于穩(wěn)定性影響僅次于斜坡物質(zhì)組成，往往對邊坡進行治理所采用的削坡卸載、分級放坡都是用改變斜坡外部形態(tài)來提高斜坡穩(wěn)定性；地層巖性、斜坡結(jié)構(gòu)類型在上述6個影響因子的重要性中排名靠后，地層巖性以及巖層產(chǎn)狀均與下伏基巖直接相關(guān)，而湖南省滑坡地質(zhì)災(zāi)害大多數(shù)為小型、淺表層滑動，往往滑動面位于上部覆蓋層或巖土交界面，故敏感性稍弱，但由于下伏基巖對上覆土層的性質(zhì)起到至關(guān)重要的作用，而巖層產(chǎn)狀則可影響滑動面形態(tài)、主滑方向等，故作為滑坡影響因子仍然不可忽略。

4? 滑坡穩(wěn)定性預(yù)測

4.1? 穩(wěn)定性預(yù)測方法

模型預(yù)測過程首先需按照建模過程生成所需預(yù)測斜坡的數(shù)據(jù)庫（賀可強等，2001），將數(shù)據(jù)庫導(dǎo)入到SPSS軟件，并加載建模過程生成的計算模型，開始進行預(yù)測，并最終生成預(yù)測結(jié)果。

4.2? 預(yù)測實例

在益陽市隨機選取5個滑坡以及在1：10 000調(diào)查中隨機抽取5個斜坡單元建立預(yù)測實例數(shù)據(jù)庫，數(shù)據(jù)庫整理后如表5所示。

運用4.1節(jié)所闡述的方法進行驗證，得到預(yù)測結(jié)果（表6），其中預(yù)測值準確率100%，置信度均處于很高水平，可認為該模型適用于滑坡穩(wěn)定性預(yù)測。

5? 結(jié)論與展望

5.1? 結(jié)論

選取研究區(qū)內(nèi)338條滑坡數(shù)據(jù)以及307條未滑坡的斜坡數(shù)據(jù)作為研究對象并建立數(shù)據(jù)庫，運用BP神經(jīng)網(wǎng)絡(luò)算法，在數(shù)據(jù)庫中隨機選取434條數(shù)據(jù)進行機器算法訓(xùn)練，剩余211條數(shù)據(jù)作為測試樣本用以檢驗計算模型的準確性。結(jié)果表明，訓(xùn)練樣本預(yù)測準確率99.1%，測試樣本準確率98.6%，準確率能夠滿足需要。

通過建模分析6個敏感因子的正態(tài)化重要性，斜坡類型即斜坡物質(zhì)組成重要性占比最高，坡度、坡高等斜坡外部形態(tài)重要性占比僅次于斜坡類型，地層巖性、斜坡結(jié)構(gòu)類型在6個影響因子中重要性最低，但重要性占比仍然大于40%，說明所選取的6個敏感因子對斜坡穩(wěn)定性都起到至關(guān)重要的作用。重要性占比的高低，能夠說明各因子對斜坡穩(wěn)定性影響力大小是以不同方式對斜坡穩(wěn)定產(chǎn)生影響的。

預(yù)測實例與實際情況吻合，說明計算模型適用于益陽市斜坡穩(wěn)定性預(yù)測，簡化了穩(wěn)定性評價過程，特別適用于大批量的斜坡穩(wěn)定性分析，在高精度地質(zhì)災(zāi)害調(diào)查工作中發(fā)揮較大作用。

5.2? 展望

本次研究主要依托于益陽市滑坡和斜坡的調(diào)查數(shù)據(jù)，樣本偏少，但能夠反映出益陽市斜坡穩(wěn)定性影響因子的重要性，也能夠準確預(yù)測斜坡的穩(wěn)定性。在條件允許的情況下，通過收集大量的數(shù)據(jù)，能夠提取到更多的影響因子，同時能夠更加細分單一影響因子的重分類數(shù)據(jù)，進而提高模型預(yù)測精度，擴大研究區(qū)范圍，對滑坡地質(zhì)災(zāi)害易發(fā)性分區(qū)提供依據(jù)。

參考文獻

柏俊磊，2020.基于BP神經(jīng)網(wǎng)絡(luò)的巖體力學(xué)參數(shù)反演及邊坡整體穩(wěn)定分析［J］.西北水電（6）：61-67.

陳衛(wèi)中，倪宗瓚，潘曉平，劉元元，夏彥，2005.用ROC曲線確定最佳臨界點和可疑值范圍［J］.現(xiàn)代預(yù)防醫(yī)學(xué)（7）：729-731.

陳銀，2018.融入PSInSAR的318國道拉薩段滑坡敏感性評價［D］.成都：西南交通大學(xué).

段宇英，湯軍，劉遠剛，高賢君，段宇雄，2022.基于隨機森林的山西省柳林縣黃土滑坡空間敏感性評價［J］.地理科學(xué)，42（2）：343-351.

馮夏庭，王泳嘉，盧世宗，1995.邊坡穩(wěn)定性的神經(jīng)網(wǎng)絡(luò)估計［J］.工程地質(zhì)學(xué)報，3（4）：54-61.

韓繼沖，張朝，曹娟，2021.基于邏輯回歸的地震滑坡易發(fā)性評價：以汶川地震、魯?shù)榈卣馂槔跩］.災(zāi)害學(xué)，36（2）：193-199.

賀可強，雷建和，2001.邊坡穩(wěn)定性的神經(jīng)網(wǎng)絡(luò)預(yù)測研究［J］.地質(zhì)與勘探，37（6）：72-75.

賀倩，汪明，劉凱，2022.基于Logistic回歸和MCMC方法評價地震滑坡敏感性［J］.水土保持研究，29（3）：396-403.

胡軍，董建華，王凱凱，黃貴臣，2016.邊坡穩(wěn)定性的CPSO-BP模型研究［J］.巖土力學(xué)，37（S1）：577-582.

黎璽克，2020.遺傳算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)的巖質(zhì)邊坡穩(wěn)定性預(yù)測［J］.河北工業(yè)科技，37（3）：164-169.

李國勇，楊麗娟，2013.神經(jīng)·模糊·預(yù)測控制及其MATLAB實現(xiàn)［M］.3版.北京：電子工業(yè)出版社.

李俊杰，2021.達州市降雨誘發(fā)滑坡災(zāi)害預(yù)警［D］.綿陽：西南科技大學(xué).

李云飛，許才順，池招招，張飛，2021.基于Softmax回歸模型的地震災(zāi)害損失預(yù)測評估研究［J］.合肥工業(yè)大學(xué)學(xué)報（自然科學(xué)版），44（12）：1676-1681.

林國平，2021.BP神經(jīng)網(wǎng)絡(luò)算法預(yù)測路基邊坡滑坡變形的應(yīng)用研究［J］.路基工程（4）：99-103.

柳青，易武，2019.基于誘發(fā)因素響應(yīng)與BP神經(jīng)網(wǎng)絡(luò)的滑坡位移預(yù)測預(yù)報［J］.三峽大學(xué)學(xué)報（自然科學(xué)版），41（3）：41-45.

王蒙，王斌，王飛，2019.基于遺傳優(yōu)化BP神經(jīng)網(wǎng)絡(luò)的尾礦庫邊坡穩(wěn)定性預(yù)測［J］.赤峰學(xué)院學(xué)報（自然科學(xué)版），35（11）：113-115.

王娜，2019.巴州區(qū)降雨型滑坡預(yù)警研究［D］.成都：電子科技大學(xué).

臧焜巖，李梅紅，2019.基于GA-BP模型的露天礦邊坡穩(wěn)定性預(yù)測［J］.中國礦業(yè)，28（6）：144-148.

張曉宸，陳學(xué)軍，宋宇，馬佩鑫，2022.粒子群算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)在邊坡穩(wěn)定性中的應(yīng)用［J］.礦業(yè)研究與開發(fā)，42（1）：71-76.

收稿日期：2023-05-11；修回日期：2023-07-03

第一作者簡介：黃小龍（1990- ），男，碩士，高級工程師，主要從事地質(zhì)災(zāi)害調(diào)查、防治等工作。E-mail：283854103@qq.com

引用格式：黃小龍，熊遠紅，李紅零，2023.基于BP神經(jīng)網(wǎng)絡(luò)湖南益陽市滑坡敏感性分析［J］.城市地質(zhì)，18（4）：8-14