新書推薦：
《
文化模式
》
售價：NT$
449.0
《
TensorFlow自然语言处理及应用
》
售價：NT$
352.0
《
信托法（第五版）
》
售價：NT$
857.0
《
敦煌究竟有多美
》
售價：NT$
454.0
《
我在唐朝穿什么（图解中国传统服饰 服饰搭配 汉服研究 古代服饰）
》
售價：NT$
449.0
《
优化你的2小时 ： 基于神经科学和能量流的时间管理方法
》
售價：NT$
255.0
《
经典与经学
》
售價：NT$
398.0
《
颧种植理论与临床
》
售價：NT$
2030.0
|
| 內容簡介： |
滑坡是一种常见的不良地质现象，具有分布范围广、发生频率高和破坏性强等特点，严重威胁国民经济和人民生命财产安全。滑坡敏感性评价是滑坡防治的基础工作，它根据研究区域的滑坡调查数据和地质环境条件，分析滑坡孕灾环境中各致灾因子组合特征对滑坡发生的影响，并基于地理信息系统（GIS）将研究区域划分为不同等级的敏感区，为滑坡防治政策的制定提供科学依据。已有的滑坡敏感性评价聚焦于由滑坡本身及其静态致灾因子的非均质性产生的空间效应，常常忽略孕灾环境中土地利用、归一化植被覆盖指数（NDVI）、人口密度等动态因子的时变性，降低了评价结果的准确率。
本书以山东省淄博市博山区为研究区域，调查博山区地质灾害数据和地质环境条件，并基于 ArcGIS 10.2和 ENVI 5.3提取滑坡致灾因子，对致灾因子进行相关性分析和共线性检验。将通过检验的致灾因子分为静态致灾因子和动态致灾因子，建立了静态致灾因子 动态致灾因子 2021年实测值、静态致灾因子 动态致灾因子各年实测值、静态致灾因子 动态致灾因子年际变化值 3种评价因子组合，将 3种因子组合输入 5种机器学习模型（随机森林模型、逻辑回归模型、支持向量机模型、Stacking集成模型和卷积神经网络模型），比较不同因子组合和不同模型的预测精度与评价结果。使用地理探测器的分异及因子探测功能分析博山区土地利用对滑坡敏感性的影响，使用交互作用探测功能分析土地利用变化对滑坡敏感性的交互作用，使用 ArcGIS 10.2的空间叠加功能分析土地利用、 NDVI和人口密度等动态因子的变化信息同滑坡敏感性空间分布的关系。对位于极高敏感区和高敏感区的 G205乐疃—青石关段12处危险边坡分别制定 2套治理方案，通过对比防治效果、造价和工程量确
定了优选方案和备选方案。
本书主要结论包括以下几个方面。
① 3种评价因子组合中，静态致灾因子 动态致灾因子年际变化值的因子组合 3最合理，较静态致灾因子 动态致灾因子 2021年实测值的因子组合 1、静态致灾因子 动态致灾因子各年实测值的因子组合 2下模型的 AUC值平均分别提高0.0546、0.0310，验证精度平均分别提高0.0251、0.0103。5种机器学习模型中，卷积神经网络模型的预测性能最优，较随机森林模型、逻辑回归模型、支持向量机模型和 Stacking集成模型的 AUC值平均分别提高0.0470、0.0423、0.0267和0.0107，验证精度平均分别提高0.0454、0.0390、0.0408和 0.0050。其中，因子组合 3下卷积神经网络模型的滑坡敏感性评价结果最合理，AUC值为0.92，验证精度为0.9418。
②以因子组合 3下卷积神经网络模型为基准模型，比较不同评价因子组合和不同模型的博山区滑坡敏感性评价结果，因子组合 1、2下的模型高估了高程的作用，低估了河流距离的作用。Stacking集成等其他模型高估了断层距离的作用，低估了道路距离的作用。不同因子组合对博山区滑坡敏感性评价结果的影响较大，因子组合1、2下模型的滑坡敏感性评价结果极端分类倾向强，易产生过高估计和过低估计等错误估计区域。
③博山区土地利用结构和空间分布逐年优化。土地利用变化区域的极高敏感区占比大，尤其是裸地→林地、耕地→人造用地、园地→水域、林地→水域和水域→林地等区域，滑坡敏感性概率大。人口流动过度和适度区域占比较小，多分布在博山城区附近，人口流动过度区域极高敏感区占比最大，人口流动稳定区域极高敏感区占比最小。 NDVI年际变化剧烈的区域极高敏感区占比大，NDVI年际变化稳定的区域极低敏感区占比大。故在进行工程活动、植树造林时应注意进度安排，避免大规模、短时间的因子变化。
④制作了 G205乐疃—青石关段 12处危险边坡危岩体发育图、边坡 3D曲面图和边坡平面图；利用 RocFall软件对落石运动轨迹进行模拟计算，分析了落石终点的水平位置、落石的总能量和弹跳高度；确定了治理各边坡的优选方案与备选方案。
|
| 目錄：
|
第 1章绪 论 1 11研究背景及意义1 12国内外研究现状2 121滑坡敏感性评价因子 2 122滑坡敏感性评价方法 4 13研究内容7
第 2章滑坡致灾因子分析 9
21研究区域概况9
211地理位置9 212地形地貌10 213地层岩性11 214气候条件11 215水文条件12 216地质构造13 217土地利用14 218交通状况15 219滑坡概况16
22数据来源及预处理 16
221数据来源16 222数据预处理17
23滑坡影响因素分析 17
231地形及地质因素17
232水文及植被因素25 233人类活动因素31
24致灾因子筛选34
241相关性分析34 242共线性检验36
25本章小结36
第３章滑坡敏感性评价因子组合与量化 39 31评价因子组合39 32评价因子量化40 321信息量法40 322固定评价因子量化结果 41 323动态评价因子量化结果 45 33本章小结61
第 4章滑坡敏感性建模 63
41评价模型概述63
411RF模型 63 412LR模型 64 413SVM模型 64 414Stacking集成模型66 415CNN模型 66
42评价模型构建69
421RF模型构建 69 422LR模型构建 69 423SVM模型构建 70 424Stacking集成模型构建71 425CNN模型构建 71
目 录
43评价因子组合的合理性验证 73
431RF-RFE算法 73 432评价因子组合验证75
44模型精度分析76 45本章小结79
第 5章滑坡敏感性评价结果 81
51评价结果分析81
511RF模型评价结果81 512LR模型评价结果83 513SVM模型评价结果86 514Stacking集成模型评价结果 88 515CNN模型评价结果91 516滑坡敏感性评价结果总结 94
52评价结果对比分析 94
521不同评价因子组合的评价结果对比94 522不同评价模型的评价结果对比98
53本章小结102
第 6章基于动态因子的滑坡敏感性分析105
61土地利用变化对滑坡敏感性的影响105
611土地利用对滑坡敏感性的解释程度分析105 612土地利用变化对滑坡敏感性的交互作用分析 106
62人口密度变化对滑坡敏感性的影响112 63 NDVI变化对滑坡敏感性的影响113 631 NDVI年际变化的影响113 632 NDVI稳定性的影响115
64本章小结117
第 7章G205乐疃—青石关段岩质滑坡稳定性分析与治理措施 119 71G205乐疃—青石关段概况119 72边坡稳定性计算122 721计算方法122 722参数取值123 723计算结果128 73边坡落石运动特征分析 133 731RocFall软件计算原理133 732RocFall软件使用流程133 733材料参数13474 边坡防治方案138 75结论141
第 8章结论与展望 143 81结论143 82创新点144
参考文献 147
|
|
購物車/收銀台(0) | 在線留言板
| 付款方式
| 聯絡我們
| 運費計算
| 幫助中心 |
加入書簽
HOME
新書上架
