基于半监督增量策略的地震滑坡易发性评价方法及存储介质

本发明涉及地震滑坡易发性评价，具体涉及一种基于半监督增量策略的地震滑坡易发性评价方法及存储介质。

背景技术：

1、我国位于环太平洋地震带与喜马拉雅地震带交汇区，地震活动不仅直接造成巨大的人员伤亡和财产损失，而且频繁引发的滑坡灾害更是加剧了这一破坏性影响。地震引起的滑坡灾害严重威胁到人民生命安全、基础设施稳定以及灾后救援工作的有效开展。因此，及时明确地震作用下自然斜坡的稳定性状况及潜在滑坡危险区域，对于制定科学的防治措施、有效减轻地质灾害的影响具有不可忽视的战略意义。

2、当前常见的地震滑坡易发性评价方法可为两种类型：数据驱动法与物理力学法。数据驱动法特别是借助机器学习方法，凭借其卓越的模式识别能力和深层次关联挖掘实力，在大规模区域滑坡敏感性评估中彰显出广阔的实用价值和显著成效。然而，这种方法的一大局限在于它对滑坡数据库的高度依赖，地震自身的突发性和不可预测性导致该方法在面对地震突发事件时存在即时分析的障碍。相比之下，物理力学法依据地质力学原理直接评估地震作用下斜坡的稳定性，无需历史滑坡数据支持，理论上更适合地震后的快速响应需求。但这种方法在大尺度应用时面临参数精确度不足的问题，影响了预测精度和实用性。

3、当前虽针对地震滑坡易发性领取的研究方法较多，但在满足地震灾后即时应急响应的具体要求上，仍缺乏一个既能迅速适应、又能高精度预测的综合优化方法。因此，亟需一种能高效整合数据驱动与物理力学优点、克服各自局限性，且特别针对地震应急响应需求优化设计的新一代地震滑坡易发性评价方法。

技术实现思路

1、为解决现有技术中存在的问题，本发明提供了一种基于半监督增量策略的地震滑坡易发性评价方法及存储介质，实现即时、高精度的地震滑坡预测，解决了上述背景技术中提到的问题。

2、为实现上述目的，本发明提供如下技术方案：一种基于半监督增量策略的地震滑坡易发性评价方法，包括如下步骤：

3、s1、获取目标地震受灾区的资料数据，包括基础地质数据、水文地质数据、地震数据以及人类工程活动资料；

4、s2、依据发震断层类型选择适合的newmark永久位移计算模型；

5、s3、根据步骤s1收集到的数据，计算边坡安全系数fs与临界加速度ac，得到临界加速度ac后使用newmark永久位移计算模型计算永久位移值dn，依据dn值划分形成初始滑坡易发性分布图；

6、s4、从初始滑坡易发性分布图中识别并标记出滑坡极高与极低易发性区域，在极高易发性区域内随机提取少量代表性的潜在灾害点；在极低易发性区域提取大量代表性的潜在非灾害点，形成基础灾害样本集；

7、s5、根据现场反馈、遥感解译与无人机航拍数据多手段深度融合，精确识别滑坡灾害点，并与基础灾害样本集融合为新灾害样本集；

8、s6、采用pearson相关系数pcc对滑坡影响因子进行定量评价与筛选，剔除相关性较高的影响因子后，提取灾害样本点的影响因子值，形成新滑坡训练集；

9、s7、选择增量算法模型，并采用贝叶斯优化算法选择最佳超参数包括学习率、批次大小、层数，将新灾害样本集导入模型进行训练学习；

10、s8、使用训练后的模型，对目标地震受灾区的整体进行预测，得到滑坡易发性概率值，采用自然断点法将滑坡易发性概率值分为五个易发性等级，最终得到受灾区整体地震滑坡灾害空间分布。

11、优选的，在步骤s1中，所述基础地质数据、水文地质数据包括：地形地貌、坡度、岩土体有效粘聚力、有效摩擦角、容重、潜在滑坡体厚度以及滑坡体中饱和部分占滑坡体的比例数据；所述地震数据包括：震级、震中位置、深度、地震动峰值加速度、地震动峰值速度以及arias烈度数据；所述人类工程活动资料包括：人类活动地表以及道路分布情况。

12、优选的，在步骤s2中，所述依据发震断层类型选择适合的newmark永久位移计算模型，具体包括如下：

13、s21、走滑断层以水平错动为主，通过观察线性地质结构和地震时的横向位移来识别，走滑断层往往表现为显著的水平向应力释放特征；当发震断层类型为走滑断层时，选择如下模型：

14、

15、s22、非走滑断层涵盖了逆断层和正断层，其主要特点是断层两侧的岩石块体存在明显的垂直位移；逆断层中，上盘相对下盘向上移动，而正断层则是下盘相对上盘向上移动；判别非走滑断层的关键在于识别地表的断裂带、地形起伏的异常以及地震波形中反映的垂直位移信息；当发震断层类型为非走滑断层时，选择如下模型：

16、

17、s23、脉冲型近断层的特征在于地震过程中能量的瞬时释放，表现为地震波形中的强烈脉冲波动，判别依据依赖于地震波形分析，特别是在地震记录中寻找具有明显瞬态特征的波形，以及震源机制解中反映的应力释放模式；当发震断层类型为脉冲型近断层时，选择如下模型：

18、

19、式中，pga为地震动峰值加速度，pgv为地震动峰值速度，ia为arias烈度，ac为临界加速度。

20、优选的，在步骤s3中，所述临界加速度ac与边坡安全系数fs的计算公式表达如下：

21、ac＝(fs-1)gsinα；

22、

23、式中，ac为临界加速度；g为地球引力引起的加速度；α为潜在滑坡块体的质心从水平方向开始移动的角度，即坡度；fs为边坡安全系数；c为岩土体有效粘聚力(kpa)；γ为岩土体重度(kn/m3)；t为潜在滑体厚度(m)；为岩土体有效内摩擦角(°)；m为潜在滑体中饱和部分占总滑体厚度的比例；γw为地下水重度。

24、优选的，在步骤s3中，所述依据dn值划分形成初始滑坡易发性分布图的具体标准如下：

25、①dn值<1厘米时，表示为极低易发区域；

26、②1≤dn值<5厘米时，表示为低易发区域；

27、③5≤dn值<10厘米时，表示为中等易发区域；

28、④10≤dn值<15厘米时，表示为高易发区域；

29、⑤dn值≥15厘米时，表示为极高易发区域。

30、优选的，在步骤s6中，所述滑坡影响因子为九项影响因子，具体包括：海拔高程、坡向、地形起伏度、土地利用分类、归一化植被指数ndvi、降雨量、距河流距离、距道路距离以及距断层距离；所述定量评价与筛选具体是将pcc值≥0.8，即高度相关的影响因子进行剔除。

31、优选的，在步骤s7中，所述增量算法模型是增量支持向量机模型ilsvm或增量卷积神经网络模型ilcnn。

32、优选的，在步骤s8中，所述采用自然断点法将滑坡易发性概率值分为五个易发性等级，具体是指：通过计算数据分布的方差最小化目标函数，确定最优的断点位置，进而将滑坡易发性概率值划分为五个易发性等级：极低易发区、低易发区、中等易发区、高易发区和极高易发区。

33、另一方面，为实现上述目的，本发明还提供了如下技术方案：一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现所述的基于半监督增量策略的地震滑坡易发性评价方法。

34、本发明的有益效果是：本发明巧妙结合了数据驱动与物理力学两大方法的核心优势，构建了一套半监督增量学习策略为基础的地震滑坡易发性评价方法。本发明特别着眼于解决地震环境中样本数量有限及实时数据处理的难题。能在有限数据条件下挖掘有价值的信息，同时不断整合新数据以升级模型，本发明在地震滑坡易发性预测方面展现出明显的优势。值得注意的是，即使在数据稀缺的早期阶段，该方法仍能提供相对准确的预测结果，为灾后救援初期决策提供可靠支持。

技术特征：

1.一种基于半监督增量策略的地震滑坡易发性评价方法，其特征在于，包括如下步骤：

2.根据权利要求1所述的基于半监督增量策略的地震滑坡易发性评价方法，其特征在于：在步骤s1中，所述基础地质数据、水文地质数据包括：地形地貌、坡度、岩土体有效粘聚力、有效摩擦角、容重、潜在滑坡体厚度以及滑坡体中饱和部分占滑坡体的比例数据；所述地震数据包括：震级、震中位置、深度、地震动峰值加速度、地震动峰值速度以及arias烈度数据；所述人类工程活动资料包括：人类活动地表以及道路分布情况。

3.根据权利要求1所述的基于半监督增量策略的地震滑坡易发性评价方法，其特征在于：在步骤s2中，所述依据发震断层类型选择适合的newmark永久位移计算模型，具体包括如下：

4.根据权利要求1所述的基于半监督增量策略的地震滑坡易发性评价方法，其特征在于：在步骤s3中，所述临界加速度ac与边坡安全系数fs的计算公式表达如下：

5.根据权利要求1所述的基于半监督增量策略的地震滑坡易发性评价方法，其特征在于：在步骤s3中，所述依据dn值划分形成初始滑坡易发性分布图的具体标准如下：

6.根据权利要求1所述的基于半监督增量策略的地震滑坡易发性评价方法，其特征在于：在步骤s6中，所述滑坡影响因子为九项影响因子，具体包括：海拔高程、坡向、地形起伏度、土地利用分类、归一化植被指数ndvi、降雨量、距河流距离、距道路距离以及距断层距离；所述定量评价与筛选具体是将pcc值≥0.8，即高度相关的影响因子进行剔除。

7.根据权利要求1所述的基于半监督增量策略的地震滑坡易发性评价方法，其特征在于：在步骤s7中，所述增量算法模型是增量支持向量机模型ilsvm或增量卷积神经网络模型ilcnn。

8.根据权利要求1所述的基于半监督增量策略的地震滑坡易发性评价方法，其特征在于：在步骤s8中，所述采用自然断点法将滑坡易发性概率值分为五个易发性等级，具体是指：通过计算数据分布的方差最小化目标函数，确定最优的断点位置，进而将滑坡易发性概率值划分为五个易发性等级：极低易发区、低易发区、中等易发区、高易发区和极高易发区。

9.一种计算机可读存储介质，其特征在于：其上存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1-8中任一项所述的基于半监督增量策略的地震滑坡易发性评价方法。

技术总结
本发明涉及地震滑坡易发性评价技术领域，具体公开了一种基于半监督增量策略的地震滑坡易发性评价方法及存储介质，本发明巧妙结合了数据驱动与物理力学两大方法的核心优势，构建了一套半监督增量学习策略为基础的地震滑坡易发性评价方法。本发明特别着眼于解决地震环境中样本数量有限及实时数据处理的难题。能在有限数据条件下挖掘有价值的信息，同时不断整合新数据以升级模型，本发明在地震滑坡易发性预测方面展现出明显的优势。值得注意的是，即使在数据稀缺的早期阶段，该方法仍能提供相对准确的预测结果，为灾后救援初期决策提供可靠支持，实现即时、高精度的地震滑坡预测。

技术研发人员：张迎宾,曾营,柳静,朱辉,冯振海,胡兵
受保护的技术使用者：西南交通大学
技术研发日：
技术公布日：2024/9/23