首页期刊导航|地球科学
期刊信息/Journal information
地球科学
地球科学

王亨君

双月刊

1000-2383

xbb@cug.edu.cn，cjournal@cug.edu.cn

027-67885075

430074

武汉市洪山区鲁磨路388号

地球科学/Journal Editorial Committee of Earth Science-Journal of China University of GeosciencesCSCD北大核心CSTPCDEI
查看更多>>本刊是教育部主管、中国地质大学主办的综合性地球科学学术理论刊物，是中国自然科学核心期刊，以反映我国地球科学领域最新的高水平的基础地质、应用地质、资源与环境地质及地学工程技术科研成果为主要任务，以促进国内外地学学术交流，繁荣我国地质教育、地质科技与地质找矿事业，为我国社会主义现代化建设服务为目的。读者对象为从事地质教育和科研工作的研究者以及大学生和研究生。
正式出版
收录年代

    不同滑坡样本点和多边形表达模式下的易发性评价

    邓明东巨能攀吴天伟文艳...
    1565-1583页
    查看更多>>摘要：滑坡编录模式常为点和多边形面,滑坡点的定位及多边形的采样范围会给滑坡易发性评价结果产生影响.为研究不同点和多边形滑坡样本采样方式下的易发性结果差异,以四川省宁南县为例,采用滑坡多边形和陡坎缓冲区来比较不同多边形表达模式对易发性评价的影响,用滑坡陡坎点和滑坡质心点来比较不同点表达模式对易发性评价的影响,选取3种评价模型支持向量机(SVM)、随机森林(RF)和人工神经网络(ANN)进行滑坡易发性建模,采用ROC曲线、均值、标准差等分析建模的差异.结果如下:(1)在滑坡样本为多边形表达模式下,陡坎缓冲区的评价效果优于滑坡多边形.在滑坡样本为点表达模式下,滑坡质心点的评价效果优于滑坡陡坎点.(2)RF模型在不同采样方式下易发性评价效果更好,不同采样方式下基于RF模型的易发性结果差异性也较小,相比SVM和ANN模型有更好的泛化能力.(3)离散型因子是导致点表达模式下采样方式易发性结果差异的主要因素.陡坎缓冲区采样方式相比于滑坡多边形保留如岩组等离散型环境因子的空间信息,因此评价效果较好.可见在县级尺度下使用滑坡陡坎区域等精细化地形特征作为滑坡采样方式可以提高易发性评价精度.

    易发性评价表达模式采样方式滑坡滑坡样本点滑坡多边形灾害地形特征

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    基于知识图谱的滑坡易发性评价文献综述及研究进展

    郭飞赖鹏黄发明刘磊磊...
    1584-1606页
    查看更多>>摘要：滑坡易发性评价是滑坡风险评估的基础和核心内容,开展滑坡易发性文献计量分析可以定量化地分析其研究进展及发展趋势,为国内开展地灾风险评估工作提供参考.利用Web of Science和CNKI数据库,基于CiteSpace可视化知识图谱分析工具对 1985-2022年已发表的滑坡易发性文献进行计量分析,并对摘要部分进行了LDA分析,来细分该领域内的研究.结果表明:(1)滑坡易发性评价仍然是当前的研究热点,中国是滑坡易发性研究较为活跃的国家且国际间合作较多;(2)滑坡易发性领域发文量前 10的作者中 4位来自中国,中国科学院成为发文最多的机构,接收易发性评价类文章最多的中英文期刊分别是《中国地质灾害与防治学报》和《Natural Hazard》,中国国家自然科学基金和国土资源大调查项目大力资助了滑坡易发性课题的研究;(3)近 5年来,机器学习模型(包括深度学习等)在滑坡易发性的应用快速增长,已成为最热门的研究方法;(4)为了实现滑坡易发性建模的精简化和智能化,并进一步提高滑坡易发性评价结果的精度和实用性,滑坡易发性在滑坡编目、指标体系、评价单元、评价模型、联接方法和精度评价等方面还需开展深入探索.

    滑坡易发性CiteSpace知识图谱计量分析LDA主题模型灾害工程地质

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    考虑机器学习建模中训练/测试集时空划分原则的滑坡易发性预测建模

    黄发明欧阳慰平蒋水华范宣梅...
    1607-1618页
    查看更多>>摘要：滑坡易发性预测时大多按空间随机来划分模型训练/测试数据集,但随机划分方式难免将不确定性因素引入建模中.因为理论上滑坡易发性是基于过去的滑坡来预测将来发生滑坡的空间概率,具有显著的时间顺序特征而非单纯的空间随机,可见有必要探索基于滑坡发生的时间顺序划分模型训练/测试集.以浙江文成县为例获取 11类环境因子及 128个时间准确的滑坡;之后将联接了环境因子的滑坡‒非滑坡样本分别按照滑坡时间顺序和空间随机的原则,划分为两类不同训练/测试集;其划分比例分别设定为 9∶1、8∶2、7∶3、6∶4和 5∶5等以避免不同比例影响研究结果,由此得到 10种组合工况下的训练/测试集;最后再训练测试支持向量机(SVM)、多层感知器(MLP)和随机森林(RF)等模型以预测滑坡易发性并分析其不确定性.结果表明:(1)训练/测试集按时间顺序划分的SVM、MLP和RF模型预测的滑坡易发性的不确定性略低于按空间随机性划分的模型,验证了按时间顺序划分的可行性;(2)训练/测试集按时间顺序划分实际上是其在空间随机划分下的一种更符合滑坡发生实际情况的"确定性"特征,当然对缺乏滑坡发生时间的数据集开展空间随机划分也是可行的.

    滑坡滑坡易发性时间顺序训练/测试集比例机器学习工程地质

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    考虑非滑坡样本选取和集成机器学习方法的水库滑坡易发性预测

    王悦曹颖许方党周超...
    1619-1635页
    查看更多>>摘要：准确的滑坡易发性建模对预警预报和风险管控具有重要意义.针对机器学习技术建模中非滑坡样本随机选取和单个分类器存在的精度不高问题,提出了一种耦合多模型的区域滑坡易发性建模框架.以三峡库区秭归‒巴东段为例,选取高程、坡度等 12个因子构建评价指标体系,应用信息量法定量分析各指标对滑坡空间发育的影响程度.随机选取 70%的滑坡作为训练样本,剩余的 30%作为验证样本;应用逻辑回归模型(LR)制作研究区的初始易发性分区图,确定非滑坡随机采样的约束范围.随后,分别采用LR模型约束和无约束条件下随机选取的非滑坡样本,应用单个分类回归树(LR-CART和No-CART)及分类回归树‒Bagging组合模型(LR-CART-Bagging和No-CART-Bagging)开展滑坡易发性建模,并应用多个指标进行精度评估.结果发现:高程和水系等是滑坡发育的主控因素;LR-CART-Bagging模型精度为0.973,高于LR-CART模型的 0.889;相比于No-CART和No-CART-Bagging模型,LR-CART和LR-CART-Bagging模型精度分别提升了0.057和0.047.LR模型可以有效约束非滑坡样本的选取范围,提升样本的选取质量;CART-Bagging模型综合了机器学习和集成学习的优势,预测性能更强,提出的LR-CART-Bagging模型是一种准确可靠的滑坡易发性建模方法.

    机器学习滑坡易发性制图非滑坡样本选取集成学习三峡库区工程地质

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    基于迁移成分分析的库岸跨区域滑坡易发性评价

    苏燕黄绍翔赖晓鹤陈耀鑫...
    1636-1653页
    查看更多>>摘要：考虑到滑坡编录制作的耗时性,建立一种"可迁移"的滑坡易发性模型已越发重要.合理利用现有完整滑坡数据地区的样本集对无样本区域进行易发性预测具有重要意义.运用迁移成分分析(transfer component analysis,TCA)方法,结合深度学习卷积神经网络(convolutional neural network,CNN),尝试引入一种基于迁移学习域自适应方法的TCA-CNN模型,并以福建省两个库岸地区为例,提取 11个库岸相关环境因子建立滑坡空间数据库,将有样本的池潭库区易发性模型迁移至无样本的棉花滩库区进行预测,实现跨区域滑坡易发性评价.通过对棉花滩库区进行易发性预测,结果显示:(1)采用TCA方法处理后的不同研究区数据最大均值差异(maximize mean discrepancy,MMD)明显降低(0.022),数据实现近似同分布;(2)TCA-CNN模型的跨区域预测精度为 0.854,高于CNN模型(0.791),且通过历史滑坡验证其落入高、极高易发性区间的滑坡频率比占比最高(89.1%);(3)受试者工作特性(receiver operating characteristic,ROC)曲线下面积TCA-CNN模型为 0.93,高于CNN模型的 0.90.可见TCA-CNN模型能够有效运用建模区的样本数据实现对无样本区域的易发性评价,且相比于传统机器模型在进行跨区域预测时具有更高、更稳定的预测准确率,具备更强的泛化能力.

    滑坡灾害滑坡易发性卷积神经网络迁移成分分析库岸边坡数据缺失

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    基于卷积神经网络的滑坡易发性评价:以辽南仙人洞国家级自然保护区为例

    郑德凤高敏闫成林李媛媛...
    1654-1664页
    查看更多>>摘要：为了解决滑坡易发性评价过程中存在的滑坡编录数据不足,主观或者随机地选取非滑坡栅格单元而导致模型准确率较低等问题,以辽南仙人洞国家级自然保护区为研究区,首先,从地形地貌、地质条件、水文气象条件和人类工程活动等方面选取了 12个评价因子构建滑坡评价体系;其次,利用SMOTETomek综合采样方法解决滑坡与非滑坡样本类别的比例失衡问题,进而建立滑坡易发性评价模型的数据集;最后,针对研究区东西两侧(A区和B区)的非线性滑坡数据,通过构建卷积神经网络(Convolutional Neural Networks,CNN)模型进行滑坡易发性评价,并精准绘制了研究区滑坡易发性分布图.结果表明:CNN模型具有良好的适应性,绘制的滑坡易发性分区图显示出合理的空间分布,A区和B区的测试集AUC面积分别为 91.2%和 94.3%;70%的滑坡数据分布在较高及以上等级的易发区,68.7%的非滑坡数据分布在较低及以下等级的易发区;滑坡高易发区主要位于研究区东北部猫岭北沟山一带、冰峪沟风景区的北部山区和碧流河水库沿岸区.研究成果为辽南仙人洞国家级自然保护区的地质灾害防治规划、应急预案制定等提供了重要的科学依据.

    滑坡卷积神经网络综合采样方法易发性仙人洞国家级自然保护区工程地质

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    考虑注意力机制的新型深度学习模型预测滑坡位移

    郭子正杨玉飞何俊黄达...
    1665-1678页
    查看更多>>摘要：现有的基于数据驱动的滑坡位移预测模型大多是基于时间序列数据的单点建模,不能考虑整个边坡的变形相关性和滑坡变形的全局建模.为了克服这一缺点,本研究提出了一种基于时空注意(spatial-temporal attention,STA)机制的深度学习模型,该模型将卷积神经网络(convolutional neural network,CNN)与长短时记忆(long short-term memory)神经网络相结合.通过CNN和卷积注意力模块提取滑坡位移的空间变形特征,利用时间注意机制和LSTM模型从外部因素的时间序列数据中捕获重要的历史信息.注意力机制输出的注意权重值可以揭示滑坡变形的时间‒空间特征.以三峡库区泡桐湾滑坡为例,对该模型的性能进行了验证.结果表明,STA-CNN-LSTM模型预测的均方根误差(RMSE)和平均绝对百分比误差(MAPE)与传统灰狼算法优化的支持向量机(GWO-SVM)模型相比分别下降了 9.28%和 13.88%.模型因子权重计算结果表明,在监测期内随着时间的推移,降雨对泡桐湾滑坡变形的影响逐渐增加,而库水位的影响逐渐减小.

    滑坡滑坡位移预测深度学习注意力机制权重三峡库区工程地质

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    暴雨及水位骤降条件下渗流参数空间变异的水库滑坡概率分析

    蒋水华熊威朱光源黄卓涛...
    1679-1691页
    查看更多>>摘要：传统滑坡概率分析没有合理考虑滑坡体渗透系数空间变异性的影响.为有效表征滑坡体渗透系数空间变异性对滑坡概率的影响,提出基于反向传播神经网络(BPNN)的参数空间变异性边坡可靠度分析方法,其中采用Karhunen-Loève级数展开方法离散滑坡体饱和渗透系数非高斯随机场,基于BPNN构建边坡稳定系数代理模型.以白水河滑坡为例,分别进行暴雨和库水位骤降条件下滑坡概率分析,并与其他方法对比验证了提出方法的有效性.结果表明:提出方法不仅可有效考虑渗透系数空间变异性对滑坡概率的影响,而且具有较高的计算效率,可为实际复杂水库滑坡概率计算提供一种有效的工具.考虑滑坡体渗透系数空间变异性的作用,白水河滑坡在连续 5 d暴雨作用下有 19.5%的可能性发生局部失稳破坏,而在水位骤降条件下发生局部失稳破坏的可能性很小.

    滑坡灾害滑坡概率空间变异性渗透系数反向传播神经网络暴雨水位骤降

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    Verhulst反函数预测模型的改进及滑坡时间概率预测

    陈铭熙陶培捷周创兵姜清辉...
    1692-1705页
    查看更多>>摘要：滑坡时间预测是滑坡灾害防治的重要组成部分,但由于滑坡演化存在不确定性,准确预测滑坡的发生极为困难.Verhulst反函数模型是一种常用的滑坡时间预测模型,但其存在计算起始时刻选择不当会造成监测数据拟合质量差和预测精度低的问题.针对这一不足,提出了一种改进的Verhulst反函数模型(MVIF模型),并进行近实时概率预测分析.结果表明:(1)MVIF模型改善了原模型对计算起始时刻选择苛刻的问题;(2)MVIF模型预测精度较高,在滑坡进入中等加速变形阶段之后可进行可靠的预测;(3)预测滑坡时间与破坏概率结合提供了一种新的滑坡预报准则.该研究可为蠕滑型滑坡的预警预报提供有价值的参考.

    滑坡滑坡时间预测Verhulst反函数模型模型改进概率分析预测决策灾害

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    基于改进PSO-RBF神经网络的三维边坡可靠度分析

    彭宗桓盛建龙叶祖洋袁乾峰...
    1706-1721页
    查看更多>>摘要：三维边坡模型能真实反映边坡空间效应,提升边坡可靠度计算精度,然而由于三维边坡模型计算量庞大且安全系数缺少显示表达,边坡可靠度分析主要以二维简化模型为主,针对三维边坡可靠度分析的研究仍存在不足.提出一种基于Spencer方法、自适应变异粒子群优化算法(PSO)和径向基函数神经网络(RBF)的三维边坡可靠度分析方法.通过对传统PSO算法引入变异算子,改善了其搜索精度较低、后期迭代效率不高等缺点.以三维Spencer方法为基础,结合改进PSO算法与RBF神经网络构建三维边坡安全系数的计算模型进行可靠度分析,实现三维边坡功能函数的显示化,通过标椎椭球滑体可靠度分析,验证了该方法相较于传统方法计算精度和效率的提升;进一步研究了卡基娃左岸边坡减载开挖过程稳定性及可靠度的变化规律,结果表明:削坡减载作用后有效提升了边坡的稳定性,边坡失效概率减小了近 2个数量级.

    三维边坡稳定可靠度粒子群优化算法神经网络岩土工程工程地质

      原文链接:
    • NETL
    • NSTL
    • 万方数据