基于I、SVM、I-SVM的滑坡灾害易发性评价模型研究.pdf

第30卷第3期2023年 5月Vo l.30 No.3Ma y 2023妥全与环境工程Sa f et y a nd Env iro nment a l Enginee ring引用格式：魏文豪，贾雨霏，盛逸凡，等.基于I.SVMJ-SVM的滑坡灾害易发性评价模型研究J1安全与环境工程,2023,30(3):136-144.Wei W H,Jia Y F,Sh eng Y F,e t a l.Res ea rc h o n la nds lide s us c ept ibilit y ev a lua t io n mo del ba s ed o n I,SVM a nd I-SVMQj.Safety and Environmental Engineering,2023,30(3)：136-144.基于I.SVMJ-SVM的滑坡灾害易发性评价模型研究魏文豪1,贾雨霏1,盛逸凡1,徐光黎1,杨宜军，张(1.中国地质大学(武汉)工程学院，湖北武汉430074；2.湖北省地质局水文地质工程地质大队，湖北 荆州434031,3.宜昌市地质环境监测站，湖北 宜昌443000)摘要：为研究信息量(D模型和支持向量机(SVM)模型以及其耦合模型(I-SVM)3种模型在滑坡灾害易发性评 价中的可靠性，以宜昌市五峰县采花乡栗子坪村及其周边部分区域为研究区，通过对评价因子进行相关性和重要 性检验，筛选出相对高差、坡度、斜坡结构、工程地质岩组、距构造距离、距水系距离6个评价因子，建立滑坡灾害易 发性评价指标体系，并利用曲线下面积(AUC-ROC)方法对模型预测精度进行检验。结果表明：3种评价模型的 AUC值分别为0.809,0.866,0.930,1-SVM耦合模型相较于单一模型其预测精度分别提高了 14.96%和7.39%,说明I-SVM耦合模型能够有效提高滑坡灾害易发性预测精度。关键词：滑坡灾害；易发性评价;信息量模型;支持向量机模型;I-SVM耦合模型 中图分类号：X43;P642.22 文章编号：1671-1556(2023)03-0136-09 收稿日期：2022-10-26 DOI；10.13578/ki.issn.1671-1556.20221414 开放科学(资源服务)标识码(OSID):Research o n Landslide Susceptibility Evaluatio n Mo del Based o n I,SVM and I-SVMWEI Wenh a o1 JIA Yuf ei1,SHENG Yif a n1,XU Gua ngli1,YANG Yijun2*,ZHANG Dua nmia o3(1.Fac ulty o f Eng ineering,Ch ina Unive rsity o f Geo sc ienc es(Wuh an),Wuh an 430074；2.Hyd ro g eo lo g ic al Eng ineering Geo lo g y Brig ad e o f Hubei Pro vinc ial Bureau o f Ge o lo g y,J ing zh o u 4340319Ch ina;.Yic h ang Geo lo g ic al Enviro nment Mo nito ring Statio n,Yic h ang 443000,Ch ina)Abst r ac t：To s t udy t h e relia bilit y o f t h ree mo dels,na mely t h e inf o rma t io n v o lume mo del(I),t h e s uppo rt v ec t o r ma c h ine mo del(SVM)a nd t h eir c o upled mo del(I-SVM),in la nds lide s us c ept ibilit y ev a lua t io n,t a k ing Liziping Villa ge o f Ca ih ua To wns h ip a nd s o me s urro unding a rea s in Wuf eng Co unt y,Yic h a ng Cit y a s t h e s t udy a re a?a t o t a l o f s ix ev a lua t io n f a c t o rs?inc luding rela t iv e h eigh t dif f erenc e,s lo pe,s lo pe s t ruc-t ure,engineering geo lo gic a l ro c k gro up,dis t a nc e f ro m t ec t o nic s t ruc t ure a nd dis t a nc e f ro m wa t er s ys t em,were s elec t e d t h ro ugh c o rrela t io n a nd impo rt a nc e t e s t s o f ev a lua t io n f a c t o rs t o es t a blis h a la nds lide s us c ept ibilit y ev a lua t io n index s ys t em.Th e a rea under t h e c urv e(AUC-ROC)met h o d wa s us ed t o t es t t h e predict iv e a c c ura c y o f t h e mo dels.Th e res ult s s h o w t h a t t h e AUC v a lues o f t h e t h ree mo dels a re 0.809,0.866,a nd 0 930,res pec t iv ely9 a nd t h e a c c ura c y o f t h e I-SVM c o upled mo del a re impro v ed by 14.96%a nd 7.39%,res pe c t iv e ly,c o mpa red wit h t h a t o f t h e s ingle mo del,wh ic h indic a t es t h a t t h e I-SVM c o upled mo del c a n ef f e c t iv ely impro v e t h e a c c ura c y o f la nds lide s us c ept ibilit y predic t io n.Key wo r ds：la nds lide；s us c ept ibilit y ev a lua t io n；inf o rma t io n mea s urement met h o d；s uppo rt v ec t o r ma c h ine；I-SVM c o uple d mo del基金项目：湖北省重点研发计划项目(2021BCA219)作者简介：魏文豪(1998)，男，硕士研究生，主要研究方向为地质灾害分析与防治。E-ma il；489491308qq.c o m 通讯作者：杨宜军(1971),男，副高级工程师，主要从事水工环地质方面的研究工作。E-ma il：393995475qq.c o m第3期魏文豪等：基于I、SVM、I-SVM的滑坡灾害易发性评价模型研究137滑坡是我国许多城市、山区、公路沿线常见的地 质灾害随着城市化进程的加快、乡村振兴政策 的推行，滑坡灾害也将日趋严重。因此，评估与预测 区域滑坡灾害显得十分重要。滑坡灾害易发性评价是以孕灾地质条件为基 础，预测其在特定范围内滑坡发生的可能性程度大 小囚。滑坡灾害易发性评价有关研究是从20世纪 60年代开始的，随着研究的不断深入，与之相对应 的滑坡灾害易发性评价方法亦日益增多闪。目前滑 坡灾害易发性评价模型主要可分为3类：知识驱动 模型、物理力学模型、数据驱动模型，其中知识驱 动模型主要包括层次分析法、易发程度指数法 等；物理力学模型主要包括SINMAP模型刀、TRIORS型図等；数据驱动模型主要包括传统的 信息量法、证据权法以及各类机器学习模型，如随机森林模型“口、支持向量机模型口幻、人工神经 网络模型匚等。上述模型在对滑坡灾害易发性进行评价时均能 取得较好的评价结果，但仅采用单一方法建立评价 模型仍存在一定的不足之处。如：层次分析法通 过改变影响因子权重的大小来反映其重要程度，但 是具有较强的主观性；物理力学模型的分析具有物 理意义明确、分析结果准确的优点，但是对地质水文 参数要求较高，适用于单体边坡易发性评价；信 息量法突出了地质灾害发生与否与其控制因素间的 关联，而忽略了影响因子间的相互作用，且对样本灾 害数目具有一定的要求。为了使预测结果更加精确，国内外许多学者将 不同类型的评价方法进行耦合。如Fa n等如通过 多种模型对广西壮族自治区来宾市地质灾害易发性 进行评价，并得出了 FR-LR模型评价效果更好的结 论;Do u等卯在对日本中部新泻县大沙渡岛滑坡易 发性进行评价与分析时,将确定性因子(CF)和人工 神经网络(ANN)相结合以提高预测精度；陈飞 等在对江西省上犹县滑坡易发性进行评价时，采 用了 I-BPNN模型进行分析；Nie等朗 基于TRI-GRS和f lo w-R耦合模型，对八一沟小流域的泥石 流危险性进行了评估;金朝等跋使用I-LR耦合模 型开展了地质灾害易发性评价，得出耦合模型优于 单一模型的结论;Zh a。等口口提出了分形理论-信息 值-随机森林(FT-IV-RF)算法的混合模型用来评价 甘肃省陇南市输电线路滑坡易发性;Tia n等口幻通过 层次分析(AHP)法对数据进行分析,建立支持向量 机(SVM)模型，并采用灰狼优化(GWO)算法对滑 坡灾害易发性评价模型进行优化，使得评价结果精 度更高。这些研究表明耦合方法可以有效地提高模 型的预测精度。支持向量机适用于解决小样本、高维度、非线性 问题旳，但在处理实际问题时会受因子量纲不统一 的影响；而信息量法可以把影响因子的数值转换为 能够反映影响程度的信息量，解决因子量纲不统一 的问题为了减小信息量(D模型和支持向量机(SVM)模型在滑坡易发性评价中的误差，本文以湖 北省宜昌市五峰土家族自治县采花乡栗子坪村及周 边部分区域作为研究区，考虑滑坡灾害发生的孕灾 条件，并通过影响因子的相关性和重要性分析，选择 合适的评价因子并分级，建立I-SVM耦合模型对研 究区滑坡灾害易发性进行评价,并采用ROC曲线 评价耦合模型的准确性，将其评价结果与I模型、SVM模型评价结果进行对比分析,得出基于I-SVM 模型的滑坡易发性分区，为栗子坪村美丽乡村建设、防灾减灾提供理论依据，为同类区域滑坡灾害易发 性评价提供可借鉴的理论及方法。1研究区概况研究区地处湖北省西南部(图1),以宜昌市五 峰县采花乡栗子坪村范围为基础，涉及采花乡三个 村，面积约为25.75 k n?,地理坐标为东经 1103229.34110366.79,北纬 30810.70 301216.33。该地区整体地势东南高、西北低。地处亚热带温湿季风气候区，暴雨多出现在6-9月 份，年平均降雨量为1 217 mm。区内地形地貌受地质构造及岩性的控制，由于 长期的剥蚀和河流下切，形成了构造溶蚀侵蚀中低 山地形和构造溶蚀侵蚀高中山地形两种地貌类型。研究区位于新华夏系鄂西隆起带的南段和长江中下 游东西向构造西段延伸部分，地处鄂西南近东西向 展布的褶皱山地，无较大断层发育，主要褶皱构造有 马棚岭向斜、五峰背斜。区内地层岩性均为沉积岩，除缺失石炭系部分地层外，确定了自奥陶系南津关 组(Om)至三叠系大冶组(TM)共计6个系、22个 地层时代与地层岩性。据野外资料，研究区内共有滑坡23处，占地质 灾害总数的40%；按滑坡规模划分，小型滑坡22 处，巨型滑坡1处。区内滑坡规模以小型为主，占总 数的95.65%,研究区G351国道K1578+670 m典 型滑坡现场照片及剖面图见图2和图3O138妥全与猱轨工翟 ht t p:/水t aq.c bpt.c 第30卷(a)宜昌市行政区划图厂l阳土家族自治县y枝江g V川都RzvjvsW五峰土捧JL T 0 2550 75 100k m7傅:牛田乡采花乡五峰?长乐坪镇险洋关,仁和坪镇湾潭镇0 12 550 k m文家湾石家坪N图例|滑坡国道 尸耳隧道|水系1X1调查区家肖家河坪_黑湾 宋110330E 110340E 110350EN.OZIO0E N.OI00E Noor=N.O60 0E谢家坡 马開岩卜芒子坪村谢家褰 3炭110330E 110340E 110350EN LO ZIO O E N o?0 E N.O 0 IO 0 E N.O 6 O 0 E柳家坡钟家*“碍 朱家荒 河C土坡后河(b)五峰土家族自治县行政区划图(c)研究区滑坡灾害分布图图1研究区位置与滑坡灾害分布图Fig.1 Location of the study area and distrioution diag ram of landslide g eolog ical hazards1 1341 1321 1301 1281 1261 1241 1220 2 4 6 8 10 12 14 16图2 G351国道K1578+670 m典型滑坡现场照片Fig.2 Site photo of G351 K1578+670 m typical landslide平距/m/滑动方向 7._a _碎石土SS口 _ _=粉砂岩志留系纱帽组1 1341 1321 1301 1281 1261 1241 1222研究方法图3 G351国道K1578+670 m典型滑坡剖面图Fig.3 Profile of G351 K1578+670 m typical landslide2.1信息量(I)模型信息量法是基于信息论,信息量大小与地质灾 害发生的几率呈正相关，通常采用简化的单因素模 型对评价单元信息量预测值进行相关计算，其计算 公式如下皈:尬 宛 QiQi/Qi(1)式中为评价单元信息量预测值；厶为因素4对 地质灾害发生提供的信息量;A为区域内单元总面 积(m2)；A0为已经发生地质灾害的单元面积之和(廿)卅为因素心所占单元总面积(血)；&为因 素1单元中发生地质灾害单元面积之和(in?)。L的大小表明因素卩对地质灾害发生的贡献 程度，当厶大于o时说明有利于地质灾害发生，当 L小于o时说明不利于地质灾害发生。第3期魏文豪等：基于I、SVM、I-SVM的滑坡灾害易发性评价模型研究1392.2支持向量机(SVM)模型支持向量机(s uppo rt v ec t o r ma c h ine,SVM)的 基本思想是寻找能使分类间隔最大化的最优超平 面。假设有一组样本数据集：(劝，了1),(“2，夕2)，(九，),M -1.+1决策函数可以表示为昭g(Q=&/0(兀)+5(2)式中挣Q)表示样本从输入空间到高维特征空间的 映射；4=(0 9 0)2，S)为法向量;“为位移项o法向量3和位移“的最佳值通过求解优化函数 获得,最小化函数为Ng(3,g)=|3|$+C艺&i=l约束为y(a),0(z)+b)$l$(3)其中，如与必为训练样本变量；C为规则化参数总 为松弛变量。在SVM模型中有多种核函数可供选择，在非 线性分类问题中，径向基核函数通常比其他核函数 能获得更好的结果。2.3 I-SVM耦合模型I-SVM耦合模型可以充分结合I模型和SVM模 型的优势对滑坡灾害易发性进行评价，其中SVM模 型可以反映出各指标因子之间的非线性关系,而以信 息量为载体可以解决因子量纲不统一的问题,通过对 样本点进行训练进而创建出I-SVM耦合模型。3评价因子确定与数据来源3.1评价因子的选取滑坡灾害发生的影响因素可分为两类：一类是 孕灾因素,包括地形地貌、地质构造、工程地质岩组、水系、植被等;二类是诱灾因素，包括人类工程活动(人类工程活动强度、土地利用类型、道路缓冲区、建 筑用地等)和降雨量。滑坡灾害易发性评价应当考 虑孕灾因素，即自然因素对地质灾害的影响庚扛根据现有资料，结合研究区滑坡发育特征，初步 选择相对高差、坡度、工程地质岩组、斜坡结构、距水 系距离、距构造距离、归一化植被指数(NDVD7个 因子作为研究区滑坡灾害易发性评价因子进行分 析。(1)相对高差。相对高差为单兀内海拔最高值 与最低值之差，该差值越大说明越有利于滑坡发生,将相对高差划分为4个等级，如图4(a)所示。(2)坡度。坡度的变化对滑坡的影响十分显著,NW*-E相对高差An W-NDVI00.20.2-0.40.4-0.6 M0.6”距水系距离/m 200 200-400 400600二 M600距构造距离/m 200 200-600 600-1 000 Ml 000(e)距水系距离(f)距构造距离(g)归一化植被指数(NDVI)图4研究区滑坡灾害易发性评价因子分级Fig.4 Classification of evaluation factors o landslide susceptibility in the study area140安会与規境 工程 ht t p:/kt aq c bpt.c 第30卷坡度较低时,坡体因不具备滑动所必须的下滑力，整 体稳定性较好，而随着坡度的增加，堆积层厚度以及 降雨入渗量逐渐减少，当坡度大于60。时，则易于发 生崩塌地质灾害，将坡度划分为6个等级，如图4（b）所示。（3）工程地质岩组。工程地质岩组根据松散岩 类、碎屑岩类、碳酸盐岩类分为三大类，并根据工程 地质特征进一步细分为8个亚类，如表1和图4（c）所示。（4）斜坡结构。斜坡结构对滑坡形成具有明显表1工程地质岩组划分表Ta ble 1 Div is io n o f engineering geo lo gic a l ro c k gro up岩类名称及代号岩组名称及代号地层代号松散岩类I稍密-松散粉土、粉细砂、含砾粉质黏土岩组（I-DQp较坚硬中-厚层状石英砂岩岩组（n-i）D2，、SiS碎屑岩类u较坚硬-较软弱中-厚层状石英砂岩、粉砂质页岩岩组（n-2）D3h、Cig、D3 Cm较坚硬-较软弱中-厚层状石英砂岩、碳质粉砂岩、碳质页岩夹煤线岩组（n-3）P2ZM较软弱-软弱页-薄层状页岩、粉砂质泥岩、泥岩岩组（n-4）O3 Si Z、Sizc、Si Ir碳酸盐岩类IE坚硬一较坚硬厚层状岩溶中一强发育灰岩、白云质灰岩岩组（ni-i）P2l、P2g、P2g、P3坚硬-较坚硬厚层状岩溶中等发育、生物屑灰岩、泥灰岩夹泥页岩岩组（DI-2）Oi h O31、D3 Ci%、Ci 7-C2 h较坚硬-较软弱薄-中层状岩溶弱发育泥质灰岩、灰岩、砂质页岩岩组（ni-3）TM的控制作用，依据相关野外调（勘）查规范，将研究区 斜坡结构划分为残坡积土质斜坡、顺向飘倾坡、顺向 伏倾坡、顺斜坡、横向坡、逆斜坡、逆向坡、平地8个 类别，如图4（d）所示。（5）距水系距离。水系对滑坡的影响主要表现 为坡脚冲蚀，以200 m、400 m、600 hi为分界，将距 水系距离划分为4个等级，如图4（e）所示。（6）距构造距离。研究区褶皱构造发育，导致 层间错动强烈，伴随的断裂也较发育,一般情况下褶 皱核部地质灾害较两翼发育，以200 m、600 m、1 000 m为分界，将距构造距离划分为4个等级，如 图4（f）所示。（7）归一化植被指数（NDVI）。NDVI可以代 表区域植被发育的程度，植被越发育的地方，水土保 持越好，越不容易发生滑坡，将NDVI划分为4个等 级，如图4（g）所示。32评价因子相关性和重要性分析针对已选择的7个评价因子，通过对评价因子 间进行相关性检验，可以防止模型训练过程中过多 使用相关性较高的评价因子，进而降低了模型的预 测精度妙。本文利用SPSS软件对滑坡灾害易发性 评价因子间进行Pe a rs o n相关性分析，其分析结果 见图5。由图5可见，NDVI与其他多数因子间表现为 显著相关，故剔除该评价因子，最终拟选择相对高 差、坡度、斜坡结构、工程地质岩组、距构造距离、距 水系距离6个评价因子对研究区滑坡灾害易发性进 行评价。为了进一步确认各评价因子对研究区滑坡灾害图5研究区滑坡灾害易发性评价因子间相关性热力图Fig.5 Co rrela t io n c h a rt o f ev a lua t io n f a c t o rs f o r t h e la nds lide s us c ept ibilit y o f t h e s t udy a rea 注:“*”表示两个因子之间相关性显著。发生的贡献程度，故对其进行重要性分析。本文利 用SPSS软件建立随机森林模型，将评价因子作为 输入变量进行分析得出其重要性如图6所示。由图6可见，研究区滑坡灾害易发性受到斜坡 结构的影响最大，其次为工程地质岩组和距水系距 离,这与实际野外调查情况基本相符。3.3数据来源本次研究的基础资料均来自湖北省宜昌市地质 环境监测站项目“五峰土家族自治县栗子坪斜坡调（勘）查及风险管控设计”的相关资料，主要包括:滑坡数据,用于完成滑坡体的实体勾绘，以确认评 价样本点；DEM数据及遥感解译数据，用于提取第3期魏文豪等：基于I、SVM、I-SVM的滑坡灾害易发性评价模型研究141距构造距离工程地质岩组重要性图6研究区滑坡灾害易发性评价因子重要性分布图Fig.6 Impo rt a nc e c h a rt o f ev a lua t io n f a c t o rs f o r t h e la nds lide s us c ept ibilit y o f t h e s t udy a rea相关评价因子;1:10 000工程地质图，用于提取 工程地质岩组评价因子;斜坡单元野外调查资料,用于导出斜坡结构评价因子。选用分辨率为5 mX5 m的栅格单元作为本次 评价的基本单元，栅格总数为1 029 808个。4研究区滑坡灾害易发性评价与分析4.1基于I.SVMU SVM模型的滑坡灾害易发性 评价4.1.1 I模型研究区由于滑坡灾害点数目较少，且用于评价 的栅格单元分辨率较高，为了提高评价精度，所有滑 坡均采用实体勾绘，依据实体面积确认滑坡样本点 数，最终确认200个滑坡样本点。通过公式(1)求得 滑坡灾害易发性滑坡评价因子各分类的信息量预测 值(表2)，并将计算出的信息量预测值作为评价因 子子类的分区依据，将各评价因子进行叠加。依据 有关规范，参考自然间断点法并将研究区滑坡灾害 易发性划分为低、中、高、极高4个等级图7(a),并对研究区滑坡各易发性等级分区面积及滑坡点分 布数量进行统计，见表3。由表3可知:研究区滑坡极高易发区面积占比 为16.27%,高易发区面积占比为25.51%,中易发 区面积占比为24.97%,低易发区面积占比为 33.24%。4.1.2 SVM 模型随机选取100个滑坡样本点赋值为1,同时利 用“创建随机点”工具在非滑坡区随机生成100个随 表2研究区滑坡灾害易发性评价因子信息量预测值表Ta ble 2 Predic t iv e v a lues o f inf o rma t io n qua nt it y o fev a lua t io n f a c t o rs f o r t h e la nds lide s us c ept ibilit y o f t h e s t udy a rea评价因子分类灾害点灾害点栅信息量数/个格数/个预测值排序10 m66520.241 511相对高差10 30 m141 1220.489 132130 50 m2175-21.812 427$50 m181-19.956 4265000-24.044 1232顺向飘倾坡65280.283 319顺向伏倾坡76160.482 184顺斜坡32640.400 836斜坡结构横向坡32700.339 817残坡积土质斜坡1880.052 6916逆斜坡21761.671 5524逆向坡188-1.256 3823平地00-22.904 17291-111320.281 5510n-i00-23.814 6831n-221800.314 888工程地质岩组n-300-22.083 5428n-4171 5330.922 421m-i2158-2.046 6625m-221590.293 3620m-300-23.736 28301 000 m4310-24.409 833 Bra zil J.Journal of South American Earth Sciences,2021,107:103011.DOI：10.1016/j.js a mes.2020.103011.9 阮沈勇，黄润秋.基于GIS的信息量法模型在地质灾害危险性区 划中的应用J.成都理工学院学报，2001,28(1):89-92.DOI：10.3969/j.is s n.1671-9727.2001.01.01&口0范强，巨能攀，向喜琼，等.证据权法在滑坡易发性分区中的应 用友贵州桐梓河流域为例J1灾害学，2015,30(1):124-129.DOI：10.3969/j.is s n.1000-81IX.2015.01.024.n李倩琳.基于信息量和随机森林模型的滑坡易发性空间预测研 究以西宁市淳中县为例D.西宁:青海师范大学,2021.12 Luo X,Lin F,Zh u S,e t a l.Mine la nds lide s us c ept ibilit y a s s es sment us ing IVM,ANN a nd SVM mo dels c o ns idering t h e c o nt ribut io n o f a f f ec t ing f a c t o rs J.PLoS One,2019,14(4)：e0215134.DOI：10.1371/jo urna l,po ne.0215134.13 朱文慧，邹浩，何明明，等.基于BP神经网络的地质灾害易发性 分区方法研究以薪春县为例资源环境与工程，2021,35(6):840-844.DOI：10.16536/j.c nk i.is s n.1671-1211.2021.06.012.口4安凯强，牛瑞卿.信息量支持下SVM模型滑坡灾害易发性评价 J.长江科学院院报,2016,33(8):47-51,5&DOI：10.11988/c k yyb.20150311.口5陶舒，胡德勇，赵文吉，等.基于信息量与逻辑回归摸型的次生滑 坡灾害敏感性评价以汶川县北部为例J.地理研究,2010,29(9)；1594-1605.16 Fa n H,Lu Y,Hu Y,et a l.A la nds lide s us c ept ibilit y ev a lua t io n o f h igh wa y dis a s t ers ba s ed o n t h e f requenc y ra t io c o upling mo del J.Sustainability,2022,14(13)；7740.DOI：10.3390/s ul4137740.17 Do u J,Ya ma gis h i H,Po urgh a s emi H R,e t a l.An int egra t ed a rt if ic ia l neura l net wo rk mo del f o r t h e la nds lide s us c ept ibilit y a ss es s ment o f Os a do Is la nd,Ja pa nJ.Natural Hazards,2015,78(3)=1749-1776.DOI：10.1007/s ll069-015-1799-2.18 陈飞，蔡超，李小双，等.基于信息量与神经网络模型的滑坡易发 性评价口.岩石力学与工程学报,2020,39(增刊1):2859-2870.DOI：10.13722/j.c nk i.jrme.2019.1094.144鉴仝与琢规工程 ht t p:/水t aq.c bpt.c 第30卷19 Nie Y,Li X,Xu R.Dyna mic h a za rd a s s es s ment o debris f lo w ba s ed o n TRIGRS a nd f lo w-R c o upled mo dels.Stochastic Environmental Research and Risk Assessment,2022,36(1):97-114.DOI：10.1007/s 00477-021-02093-y.20 金朝，费雯丽，丁卫，等.基于信息量模型和Lo gis t ic回归模型的 地质灾害易发性评价以十堰市员B阳区为例J.资源环境与 工程,2021,35(6):845-850,886.DOI：10.16536/j.c nk i.is s n.1671-1211.2021.06.013.21 Zh a o B,Ge Y,Ch en H.La nds lide s us c ept ibilit y a s s es s ment f o r a t ra ns mis s io n line in Ga ns u Pro v inc e,Ch ina by us ing a h ybrid a ppro a c h o f f ra c t a l t h eo ry,inf o rma t io n v a lue,a nd ra ndo m f o res t mo dels.EnvironmentaI Earth Sciences,2021,80(12)：441.DOI：10.1007/s l2665-021-09737-w.22 Tia n W,Li Q,Li F.Applic a t io n o f AHP-GWO-SVM c o upling mo del in la nds lide wa rning.Journal of Physics:Conference Series,2020,1651(1)：01200&DOI：10.1088/1742-6596/1651/1/01200&23 傅文杰.GIS支持下基于支持向量机的滑坡危险性评价J.地 理科学,2008,28(6):838-841.DOI：10.3969/j.is s n.1000-0690.200&06.022.24 仪政，宋琨，黄海峰，等.信息量与多模型耦合的滑坡易发性评价 研究口丄 人民长江,2021,52(10):146-151.DOI：10.16232/j.c nk i.1001-4179.2021.10.022.25 吴柏清，何政伟,刘严松.基于GIS的信息量法在九龙县地质灾 害危险性评价中的应用J1测绘科学,2008,33(4):146-147,131.DOI：10.3771/j.is s n.1009-2307.2008.04.050.26 原立峰.基于SVM的泥石流危险度评价研究J地理科学，2008,28(2):296-300.DOI：10.3969/j.is s n.1000-0690.200&02.030.27 李坤，赵俊三,林伊琳，等.基于RF和SVM模型的东川泥石流 易发性评价研究J.云南大学学报(自然科学版),2022,44(1):107-115.DOI：10.7540/j.ynu.20210107.28 马啸，王念秦，李晓抗，等.基于RF-FR模型的滑坡易发性评 价以略阳县为例口.西北地质,2022,55(3):335-344.DOI：10.19751/j.c nk i.61-1149/p.2022.03.02&29 强菲，赵法锁,党亚倩.陕南秦巴山区地质灾害与影响因素的相 关性分析J1南水北调与水利科技,2015,13(3):557-562.DOI：10.13476/j.c nk i.ns bdqk.2015.03.035.30 金菊良，魏一鸣,潘金锋.修正AHP中判断矩阵一致性的加速 遗传算法J.系统工程理论与实践,2004,24(1):63-69.DOI：10.3321/j.is s n：1000-6788.2004.01.011.(上接第135页)口幻中华人民共和国住房和城乡建设部.城镇给水管道非开挖修复 更新工程技术规程:CJJ/T 244-2016CS.北京：中国建筑工业 出版社,2016.13 ASTM.Standard Practice for Rehabilitation of Existing Pipelines and Conduits by the Inversion and Curing of a Resin-Impregnated Tube tASTMF1216-16S,2016.口 4赵雅宏，曾正，马保松给排水管道原位固化法修复工程技术规 程关键技术口特种结构,2019,36(1):108-112.DOI：10.19786/j.t zjg.2019.01.023.口5向维刚，马保松,赵雅宏.给排水管道非开挖CIPP修复技术研 究综述J1 中国给水排水,2020,36(20):1-9.DOI：10.19853/j.zgjs ps.1000-4602.2020.20.001.Q16Gumbel J E,Hea v ens J,Bo o t J C.Des ign a nd s elec t io n c rit eria f o r pla s t ic s lining s ys t ems f o r t h e reno v a t io n o f pres s ure pipelines C/Proceedings of the Internal Pipe Corrosion and Protection Conference.s.1.:s.n.,1995：111-122.Q17 Ma ddrya s C,Szo t A.St ruc t ura l s ens it iv it y o f c irc ula r s ewer liners t o geo met ric a l imperf ec t io ns QJ.Tunnelling and Underground Space Technology,2003,18(4)：421-434.DOI：10.1016/S0886-7798(03)00065-8.18Jeya pa la n J K.Unif ied des ign met h o d f o r mo s t No-dig reh a bilit a t io n liners J|.Journal of Transportation Engineering,2005,131(9):717-721.DOI：10.1061/(a s c e)0733-947x(2005)131:9(717).19 E1-Sa wy K,Mo o re I D.Pa ra met ric s t udy f o r buc k ling o f liners:Ef f ec t o f liner geo met ry a nd imperf ec t io ns C/In erna f io na Z Conference.Bo 5io nl997：416-423.DOI：10.1061/97807844024 43.052.20 Li J Y,Guic e L K.Buc k ling o f enc