当前位置: > 论文范文 > 62500字论文范文基于计算智能和地理信息系统的暴雨泥石流分析研究

62500字论文范文基于计算智能和地理信息系统的暴雨泥石流分析研究

论文类型:论文范文
论文字数:62500字
论点:泥石流,降雨,灾害
论文概述:

本文为GTS论文,主要论述暴雨型泥石流特征分析,研究区与研究方法,基于模糊事件树评估暴雨型泥石流灾害风险,利用领域知识和贝叶斯网络来评估泥石流灾害风险。

论文正文:

第一章引言

 1.1 研究背景及意义泥石流是山区常见的一种地质灾害,泥石流通常还诱发一系列的次生灾害,严重威胁人类生命、财产,影响经济发展。世界上很多国家遭受过严重的泥石流灾害,我国也是泥石流频繁发生的国家之一,例如,2010年8月8日,在甘肃省舟曲县暴发了特大泥石流灾害,导致1467人死亡,298人失踪,造成巨大的经济损失。如何快速、准确的对泥石流灾害进行评估及预报对经济的可持续发展具有重要意义。通常地质环境恶劣地区在暴雨或长时间持续降雨条件下,泥石流地质灾害暴发。大量的历史泥石流地质灾害研究呈现出以下规律:泥石流发生的地点具有区域性,发生时间具有季节性,发生频次具有周期性。掌握泥石流发生规律,进而准确预测泥石流的发生地点、发生时间,合理的选择避让时机是最为经济有效的减灾方法。泥石流预警预报作为一项重要的减灾手段,受到了国内外学者的广泛关注,也是泥石流研究的热点和难点。早期预警是减少灾害风险和实现可持续发展与生计的重要手段。......... 1.2 国内外研究现状 1.2.1 泥石流研究的一般方法(1)以降雨为主线的泥石流预警研究尽管地质地形对泥石流暴发具有重要影响,但是降雨特征是暴雨型泥石流暴发的主要的外部诱因,以降雨作为一个主要特征对泥石流进行研究是合理的。暴雨型泥石流是由降雨诱发,国内外学者对泥石流预警预报研究也多从降雨这一诱发地质灾害的关键因素入手。研究者通过研究灾害发生伴随的降雨资料,探讨泥石流地质发生与降雨过程之间的关系,建立泥石流预警预测模型,进行分级预警。在美国,已经进行了大量的基于降雨的泥石流早期预警预报的研究。NOAA-USGS(The National Oceanic and Atmospheric Administration- United StatesGeological Survey,美国国家海洋与大气局-美国地质调查局)依靠与经验降雨阈值有关的前期降雨的预测和测量值,来预测美国南加利福尼亚州降雨诱发的泥石流。俄勒冈州林业部,地质和矿产业部,国家天气预报服务中心,俄勒冈州交通部和俄勒冈州应急管理部门,将前期降雨量与雨强结合以对俄勒冈州进行泥石流预测。该方法仅适合于特定地区(Wiley,2000)。USGS(United States GeologicalSurvey,美国地质调查局)基于累积3天降雨、前15天降雨和雨强阈值预测西雅图的泥石流灾害。该系统包括实时降雨监控,土壤湿度和空隙水压力检测,采用决策树来确定警告等级的阈值(Chleborad, 2003)。文献(Yang, H., R. F.Adler, et al. ,2007)将近实时卫星降雨产品应用于洪水和滑坡,提出了一个近实时的检测洪水和与暴雨事件相关的泥石流的框架。框架的核心部分包括:高分辨率降水采集系统,综合的地表数据库,水文建模组件,滑坡泥石流模型组件。集成化应用的关键降水输入数据集是NASA(NationalAeronautics and SpaceAdministration,美国国家航空航天局)基于TRMM(Tropical Rainfall Measuring Mission satellite,热带测雨任务卫星)的多卫星降水估计数据。数据集提供了时空分辨率为3小时,  0 .25× 0.25的近实时降水数据。............ 第2章 暴雨型泥石流特征分析 2.1 成灾因子的特征暴雨型泥石流的成灾因子包括:孕灾环境和致灾因子。孕灾环境分为两大类:自然地理环境和社会环境。自然环境因子包括泥石流所在地区的地形、地貌、气候、植被等因素。社会环境因子包括人口、人类活动、社会经济等。暴雨型泥石流的致灾因子主要指降雨因素,包括降雨类型、前期降雨量、有效前期降雨量、累积降雨、当日降雨量、最大雨强、降雨持续时间等。各种因子呈现出形式多样的特征,以下分析总结泥石流的特征。 2.1.1 成灾因子的模糊性和不确定性特征自然地理因子本身存在模糊性和不确定性,空间数据的获取也具有模糊性和不确定性。降雨因素也具有模糊性和不确定性的特征,如是否有大暴雨发生往往是模糊的和不确定的,降雨持续时间往往是不确定的,有效前期降雨量的计算也存在模糊性和不确定性。.......... 2.2 孕灾过程的特征 2.2.1 孕灾过程的模糊性不确定性特征泥石流孕灾过程也存在模糊性和不确定性,如前期降雨是否使土体逐渐达到饱和。泥石流本身也具有模糊性和不确定性的特征,如发生还是不发生,在什么条件下发生。 2.2.2 孕灾过程的阶段特征泥石流预警要根据泥石流形成过程的各个环节,做出相应的预警措施。只有建立在泥石流形成机理和形成条件基础上的预测预报模型和方法,才能对泥石流做出科学的和相对准确的预测预报(匡乐红,2006)。泥石流的形成必须同时具备三个基本条件,即:有利于集水、集物及运动的地形条件;有丰富的松散土石体碎屑物质来源;短时间内有大量的水源(汪茜,2006)。地质条件不好的地区,在足够的降雨条件下,泥石流暴发。根据泥石流形成过程,可将泥石流形成的条件因子划分为:主控因子和触发因子。主控因子是泥石流发育的基础条件,包括地形、地貌、地层、植被、土壤等,这些因子具有相对的稳定性,它们为泥石流的发生、发展奠定了物质基础和提供了运行通道。触发因子包括降雨(特别是大暴雨),为泥石流的发育与发展提供动力。地质条件差是泥石流暴发的内因。短历时强降雨是泥石流最终发生的激发因素。泥石流形成过程中,前期降雨极为重要,它影响着土体含水量的饱和程度和土体抗剪强度。土体饱和后,土体的抗剪强度减小,使泥石流形成区的土体和碎屑物质处于失稳状态,一旦遇短历时强降雨便会激发泥石流。......... 第 3 章 研究区与研究方法.......................153.1 研究区地理特征..................153.2 数据收集..................163.3 研究方法与技术路线...............................17第 4 章 基于模糊事件树评估暴雨型泥石流灾害风险...........194.1 模糊事件树的基本理论........................204.2 泥石流发生过程的事件树模型........................274.3 事件发生概率的模糊化处理....................294.4 事件树产生算法计算泥石流灾害事件的发生概率.................314.5 模型应用结果析.................................324.6 本章小结................34 第7章 利用领域知识和贝叶斯网络来评估泥石流灾害风险 7.1 贝叶斯网络 7.1.1 贝叶斯网络理论基础贝叶斯网络是美国加州大学认知系统实验室的Pearl教授在1986年为了设计人类推理的计算模型提出的(Pearl , 1986),又称为信度网络。通过该机制人类可以集成多源数据,并生成数据的连贯的解释。贝叶斯网络是目前不确定知识表达和推理领域中最有效的理论模型之一,是人工智能、概率理论、图论、决策分析相结合的产物,适用于表达和分析不确定性事件和概率性事件。假设我们要通过图的方式来表示特定的问题领域,在图中节点代表命题,边连接那些我们判断为直接相关的命题。我们用权重来量化边,权重表示连接的命题之间依赖的强度和类型。如果用这些权重来反映实际的经验总结,我们必须首先注意到两个问题:一致性和完整性。一致性保证我们不会以过多的参数过载图形;超规格可能导致矛盾的结论,具体取决于首先采取了那个参数。完整性使我们能够缺省指定图的依赖性,并保证即使缺乏信息结论生成程序也不会死锁。传统的联合分布概率的一个有吸引力的特点是它的透明性,通过透明性能合成一致概率模型或检测其中的不一致性。在此表示中,我们需要做的是创建一个完整的模型、不受不一致性的限制,对空间的原子划分分配非负权重(即命题的连词),确保权重之和等于1。........ 第8章 总结与展望 8.1 总结本文以暴雨泥石流为研究对象,对泥石流灾害的特征进行分析和总结,探讨了泥石流灾害的模糊性不确定性、孕灾过程的阶段性、成灾因子与泥石流灾害之间关系的多变量非线性特征。根据泥石流灾害的特征,从复杂系统建模的角度,用计算智能理论和 GIS 空间分析技术构建了泥石流灾害危险性评价和泥石流预测模型。主要工作和结论如下:(1)根据泥石流孕灾过程具有模糊性不确定性特征和阶段性的特征,用事件树方法建立泥石流灾害发展过程的事件树模型,借助领域专家知识用模糊语言来表达泥石流孕灾各阶段事件的发生概率,并计算得到各事件发生概率的模糊数估值,然后通过解模糊方法得到各事件的发生概率,最后通过事件树产生算法计算泥石流灾害事件的发生概率,并利用 ArcGIS 生成泥石流灾害评价等级图。模糊事件树建模方法既考虑了泥石流发生机理,又考虑了泥石流的模糊性特征。(2)根据主要成灾因子与泥石流灾害之间关系的动态非线性特点,应用可拓学理论建立泥石流预警模型。按评价指标的取值区间范围,用 A 类与 B 类指标的组合来表示山坡坡度、相对高差、植被覆盖率;用 C 类指标表示将沿沟松散物储量、5d 累计降雨量、最大小时雨强和当日雨量;根据评价指标的特点制定相应的关联函数来计算关联度和预警值,并利用 ArcGIS 生成泥石流灾害预警等级图。(3)用模拟退火和遗传算法结合得到全局最优解的方法来改进 GMDH 网络,并基于改进的 GMDH 网络建立泥石流预测模型。模型的输入是用核线形判别分析(KLDA)方法计算得到的几个关联度大的成灾因子,模型的输出是泥石流一次(可能)最大冲出量。用研究区的数据对模型进行验证并与其他模型进行比较,结果表明,改进的 SAGA-GMDH 模型具有较好的性能,并利用 ArcGIS生成泥石流灾害预测等级图。(4)提出了基于本地搜索策略的混合蚁群优化方法来优化贝叶斯网络结构学习,以改进贝叶斯网络模型,并将改进的模型用于泥石流灾害风险评估。模型针对泥石流灾害各种相关因素的复杂性、模糊性、不确定性、多元性,对泥石流灾害进行了定性和定量评估。..........参考文献(略)