基于粗糙集–神经网络的IBURI地震滑坡易发性研究

作者：吴雨辰; 周晗旭; 车爱兰^*

来源：岩石力学与工程学报, 2021, 40(06): 1226-1235.

DOI：10.13722/j.cnki.jrme.2020.1122

• 边坡工程
• 地震滑坡
• 易发性评价
• 粗糙集
• BP神经网络
• 北海道IBURI地震

强震引发的滑坡范围广、数量多,呈现明显的区域性特征,并受强震动外的降雨等环境因素以及区域性水文地质等多种复杂因素的影响。在地震滑坡易发性评价中制定合理的指标选择策略能够从根本上提升评价精度和评价效率。以2018年9月6日北海道IBURI地区的Mj 6.7级地震引发的3 307处滑坡为研究对象,详细研究地震滑坡评价指标体系的构建。首先,结合地震灾害现场调查及资料分析,在充分考虑地震特性的基础上选择17项原始评价指标,然后,引入粗糙集理论作为指标选择策略,利用粗糙集对不确定数据的约简能力删除9项对评价结果影响较小的因子。最后,用优化后的指标构建BP神经网络的输入层,采用粗糙集–BP神经网络模型对IBURI地震滑坡易发性进行评价。结果显示,模型的预测精度从63.8%提升至94.4%,说明以粗糙集理论作为指标选择策略的粗糙集–BP神经网络模型能够有效提高地震滑坡易发性评价的准确性。

• 单位
  上海交通大学; 建筑工程学院