滑坡危险性评价方法研究分析 地质灾害专业

摘要近年来，随着社会经济的高速发展，基础设施越来越完善。与此同时，地质灾害给人民生命财产安全及各类设施造成的破坏越来越严重。在各类地质灾害中，滑坡的发生频率及危害程度均排名前列。滑坡灾害的发生机理与地震相似，具有突发性、难预报性、紧急性、破坏性、连锁性、社会性、多样性和不可抗拒性等特点。滑坡灾害危害巨大而想要准确地预测又较为困难，灾后及时有效地做好应急处置是实现减灾和挽救人民生命财产安全的关键。在灾后应急处置工程中，对灾害危险性和救援难易度的把握是重中之重。现有的研究对滑坡灾害的评估大多侧重于空间信息，本研究将引入人文及地理信息，提出一套滑坡灾害救援难易度的评价指标，并通过云模型将结果通过自然语言呈现，以供没有地学专业知识的相关人员快速了解滑坡的救援难易程度。主要研究工作如下：(1)对已有文献进行分析，结合近年发生的历次滑坡数据，分析、归纳、总结滑坡评价指标，融合空间、人文、地理信息，形成一套完整可用的滑坡评价指标。通过基于博弈论的组合赋权法对主观与客观权重计算方法进行结合，综合计算各指标在滑坡救援难易度评价中所占的权重。(2)通过云变换从定量滑坡历史数据中提取救援难易度的定性概念，该方法充分考虑了概念之间的亦此亦彼性，完成了“定量到定性”、“数据到知识”的转换。云变换充分考虑了实际数据分布情况，解决了基于专家评价方法的缺点。通过云变换所获取的各定性概念的云数字特征也是综合评价滑坡救援难易度的基础。(3)通过各救援难易度云模型特征，利用正向云发生器，建立救援难易度评估标准云，结合各指标权重对滑坡救援难易度进行综合评估。利用一次真实滑坡数据及滑坡历史数据对模型的准确性、可用性进行分析。关键词：滑坡救援；云模型；云变换；组合赋权

AbstractInrecentyears,withtherapiddevelopmentofChina'seconomy,thedamagecausedbygeologicaldisasterstopeople'slivesandpropertyandinfrastructurehasbecomemoreandmoreserious.Amongallkindsofgeologicaldisasters,thedegreeofhazardoflandslidesrankshigh.Itissimilartoearthquakes,mainlydevelopedinmountainousareas.Likeothernaturaldisasters,itissudden,difficulttopredict,urgent,destructive,chain,andsocial.diversityandirresistibility.Landslidehazardsarehugeanditisdifficulttoaccuratelypredictthem.Itisthekeytorealizingdisasterreductionandsavingpeople'slivesandpropertybytimelyandeffectiveemergencyresponse.Inthepost-disasteremergencyresponseproject,thegraspofdisasterriskandrescuedifficultyisthetoppriority.Theexistingresearchesonlandslidedisastersmostlyfocusonspatialinformation.Thisstudywillintroducehumanitiesandgeographicinformation,proposeasetofevaluationindicatorsforlandslidedisasterrescuedifficulty,andpresenttheresultsinnaturallanguagethroughcloudmodels.Non-professionalswithoutgeoscientificknowledgequicklyunderstandtheeaseofrescueoflandslides.Themainresearchworkisasfollows:(1)Analyzetheexistingliterature,combinethepreviouslandslidedata,analyze,summarizeandsummarizethelandslideevaluationindicatorstoformacompletesetofavailablelandslideevaluationindicators.Throughthecombinedweightingmethodbasedongametheory,theresultsobtainedbysubjectiveanalytichierarchyprocessandobjectiveentropyweightmethodareintegrated,andtheweightsofeachindexintheevaluationoflandsliderescuedifficultyarecomprehensivelycalculated.(2)Extractingthequalitativeconceptoflandsliderescuedifficultyfromthehistoricaldataofquantitativelandslidebycloudtransformation,thismethodfullyconsiderstheconceptofthesame,andcompletesthe“quantitativetoqualitative”and“datatoknowledge”Conversion.Itsolvestheshortcomingsofthetraditionalexpertevaluationmethodwithoutconsideringtheactualdatadistribution.Thedigitalcharacteristicsofthecloudmodelofeachqualitativeconceptextractedbycloudtransformationarealsothebasisforcomprehensiveevaluationofthedifficultyoflandsliderescue.(3)Throughthecharacteristicsofeachrescuedifficultycloudmodel,usingtheforwardcloudgeneratortoestablishastandardcloudofrescuedifficultyassessment,combinedwiththeweightofeachindextocomprehensivelyevaluatethedifficultyoflandsliderescue.Theaccuracyandusabilityofthemodelwereanalyzedusingreallandslidedata.KeyWords:Landsliderescue;CloudModel;Cloudtransformation;CombinationWeighting

目录摘要 IAbstract II第1章绪论 11.1本论文研究的目的和意义 11.2国内外研究现状及发展趋势 31.2.1地质灾害危险性评价研究现状 31.2.2云模型研究现状 51.3论文主要研究内容 71.4论文组织结构 8第2章相关理论概述 92.1滑坡灾害理论 92.1.1滑坡灾害发生条件 92.1.2滑坡形态特征 112.1.3滑坡活动特性 122.2滑坡体空间信息提取 122.2.1LiDAR数据获取 132.2.2点云滤波 142.2.3DEM高程数据获取 162.3云理论 172.3.1云的定义及性质 172.3.2云发生器 192.3.3云变换 212.3.4云综合 222.4本章小结 24第3章基于云模型的滑坡救援等级评估模型 253.1滑坡救援难易度综合评估方法 253.1.1评估流程设计 253.1.2评估结果方法 263.2滑坡灾害救援难易度评价指标设计及各指标云数字特征计算 263.2.1指标体系建立的原则 263.2.2指标的选择 263.2.3指标标准云参数的确定 283.3滑坡救援难易度评价指标权重的确定方法 313.3.1利用层次分析法计算权重 313.3.2利用熵权法计算客观权重 333.3.3基于博弈论的改进组合赋权 343.4本章小结 35第4章实验结果及分析 374.1实验设计 374.1.1技术路线图 374.1.2实验数据集 384.2滑坡救援等级标准云的生成 384.2.1评价指标标准云参数的确定 384.2.2指标权重的确定 424.2.3标准云图的生成 444.3真实数据验证 474.3.1数据采集 474.2.2数据处理 474.2.3结果计算 504.4本章小结 52结论 53参考文献 54致谢 58

第1章绪论1.1本论文研究的目的和意义随着社会经济的高速发展，人类的活动空间持续扩大，全人类面临着人口、资源、环境几大问题[1]。我国地大物博，自然环境复杂多样，不同区域气候差异较大。在960万平方公里的国土面积中，有七成左右是山地。与此同时，作为还在高速积聚能量的发展中国家，我国在大规模的资源开发和工程建设中，或多或少地忽视了环境保护，在一定程度上加剧了地质灾害的发生。距统计，我国发生地质灾害的次数与前几年相比有所上升，且灾害的分布较为广泛。在世界范围内，我国地质灾害发生的数量与伤亡程度均排名前列[2]。从表1.1[3]可以看出，近年来，山体滑坡，崩塌，泥石流，地面塌陷，地裂缝和地面沉降等地质灾害发生频率总体来说居于高位，对人民群众的生命财产安全造成了严重的损害。表1.12004-2018年中国地质灾害统计表年份地质灾害数量滑坡崩塌泥石流其他受灾人数经济损失（亿元）200487557218177132420.520051775193597654566172102136.5200610281488523131604177041353442007253641547877221215949120424.752008265801345080804434607159832.720091084066572309142644895617.652010306702232955751988778411863.9201115664114902319138047541540.120121432210888208892242463452.820131540398493313154170011211022014109078128187254333461854.1201582245616180148632142524.9201697107403148458423961431.72017752135435.920182966163485733813711214.7在各类地质灾害中，滑坡在各类地质灾害中所占比例最高，每年均超过了50%。以2018年为例，滑坡灾害占到全国总地质灾害发生数的55%，具体分布见图1.1。图1.12018年中国地质灾害分布滑坡不仅对周边群众的生命财产安全造成威胁，同时可能损毁公路、铁路、水利水电工程以及山地上的建筑，造成坍塌，人员失踪伤亡，严重的还有可能直接冲毁乡村和城镇。例如2015年12月20日，广东省深圳市光明新区某工业园发生山体滑坡，超过三十栋建筑物被掩埋或不同程度受损[4]（图1.2）。造成直接经济损失超过八亿元人民币。除破坏建筑和造成人员伤亡外，滑坡也可能影响道路安全，摧毁公路及铁路的基础设施如路基、桥涵等，造成交通中断。图1.2深圳市光明新区滑的无人机图像面对滑坡突发性强、危害大的特点，如果能提前预测、及时采取防护措施，滑坡带来的损失将可以被降低。自从20世纪60年代日本科学家斋藤迪孝提出了滑坡时间预报经验公式[5]之后，多个国家的研究者们都开始研究滑坡的预测和防护。但遗憾的是，迄今为止还没有一种方法能够做到完全准确。因此，滑坡灾害发生后的应急处置就显得十分重要。灾害响应及时，就能最大限度地控制灾情；如果应急响应不及时，任由灾情发展，将给当地群众的生命财产带来不可估量的损失[6]。由于滑坡的变形发展具有突发性和空间多维复杂性，尽管定量数据如图件、特征对灾害的描述更为直观，然而这些方式的监测结果需要依靠丰富的地球科学来解读。而灾害发生后，相关应急救援主管人员可能不具有相关的专业知识，解读结果有困难。本研究针对目前突发滑坡中灾害信息获取不便且信息不易被专业人士解读的问题，提出一套滑坡救援难易度的评价指标，利用基于3S的组合滑坡监测技术实现应急滑坡灾害信息的准确快速获取，通过云模型构建滑坡救援难易度等级评估模型，结果以自然语言呈现，便于相关主管部门决策者救援决策快速把握灾情。1.2国内外研究现状及发展趋势1.2.1地质灾害危险性评价研究现状经过技术的不断进步，地质灾害危险性评价的有关理论与方法已经非常丰富，各类方法和理论有其各自的特点和优势。回顾其发展过程，地质灾害危险性评价主要经历了三个阶段，定性、半定量以及定量研究。随着地质灾害造成的损失急剧增加，研究人员开始将目光锁定在灾害危险性评价的研究。国外的地质灾害危险性评价工作主要开始于上世纪70年代，在研究之初，受限于技术和手段，研究方法主要是根据专家的经验，从已经查明得出的地质灾害危险性结果和各个影响因子中总结判断的定性方法，结果受专家个人经验影响较大，缺乏说服力（LumbP，1975[7]；BrabbE，1984[8]；Degg,1992[9]）。随着20世纪90年代GIS系统的大规模应用，对于地质灾害的研究进入了超高速的发展期。1997年，Gupta等人运用GIS技术，对印度Tehri大坝库区的斜坡稳定性进行研究，计算了六个主要致灾因子的相对影响，找出了高危险坡面的重要控制因子，并编制了库区滑坡灾害区划图[10]；1998年，Atkinson等采用广义线性模型对意大利中部亚平宁一小片地区的滑坡与几个自变量之间的关系进行了模拟，在此基础上研究该区域的滑坡危险性[11]。研究不断深入，学者们开始讲各类数学模型引入地质灾害的研究之中，取得了不错的效果。Kumar等利用层次分析法对印度北阿坎德邦Rim地区的特赫里大坝水库的地质灾害进行了敏感性评价并取得了较好的效果[12]；学者Uromeihy等人在灾害评价中利用了模糊评价方法，将模糊数学理论应用于地质灾害评价之中，并基于此提出了模糊综合评价模型[13]；2004年，Murat等人采用野外调查和航空摄影相结合的方法，编制了滑坡目录数据库，得到了绘制滑坡磁化率图的模糊关系[14]；2007年Lee等人基于GIS和遥感技术对马来西亚某地区的滑坡灾害危险性进行了评价，分别采用频率比模型和逻辑回归模型，并进一步对比分析了2种模型评价结果的差异[15]。随着计算机技术的飞速发展及机器学习的兴起，诸如决策树、神经网络、支持向量机等基于计算机技术的方法在地质灾害评价中发挥着越来越重要的作用。Ballabio等人在滑坡敏感性制图的研究中引入支持向量机模型，取得了较好的结果[16]；Melchiorre等采用人工神经网络与聚类分析相结合的方法对阿尔卑斯山易发生滑坡的Brembilla市进行了数据敏感性分析，提高了模型的预测能力和稳健性[17]。由于历史和技术的限制，国内地质灾害危险性评价的起步较晚，初期的研究始于20世纪80年代初期[18]。在早期的研究中，主要采用的是定性研究方法。1991年，乔建平分析了影响引起滑坡失稳的内外部除法因素，并分析了各因子判断值，用于判断不稳定斜坡危险度[19]；向立斌在1992年采用不稳定斜坡危险度判别法对鸡鸣寺滑坡进行了预报并取得较好成效[20]；中科院成都山地的研究人员所先后对雅砻江二滩水电站、河龙羊峡水电站、三峡水电站进行了滑坡危险性区划研究[21]。20世纪90年代，蓬勃发展的GIS技术开始进入国内研究者的视野，被引入灾害危险性评价之中。而研究重点也逐渐从定性转向定量研究。其中，比较有代表性的如唐川等基于ArcGIS的空间分析功能，根据研究区地质环境条件，选取滑坡密度、坡度、岩土体类型以及地震强度作为评价因子，对云南省滑坡危险性进行了评价，并绘制了滑坡危险区预测图[22]；2005年，杨武年等采用GIS及多时相遥感图像技术评估了三峡及周边进行地区的地质灾害影响，为地质灾害危险性评价的研究提供合理依据[23]。GIS的快速发展也让国内学者将各种数学模型加入到了研究的范畴中。2009年，王卫东等利用CF和GIS的空间功能，引入Logistic回归模型，找到了致灾因子与灾害发生之间的关系，将贵州省划分为四个不同危险性分区[24]；2012年，朱吉祥等人对四川青川县地质灾害评价时则采用了信息熵的灰色模型，此模型也取得了良好效果[25]；2015年，王洋等人引入了熵值法和突变级数法，对矿山地质灾害进行了评价，解决了传统评价方法中权重的计算不准确的问题[26]；2016年，张俊、殷坤龙等人基于GIS平台，对三峡库区万州区的滑坡灾害进行了研究，引入信息量模型和Logistic回归，根据历史滑坡数据建立易发性评价体系，得到全区的易发性区划图[27]；2017年杨乐等分析了重庆某旅游度假区地质灾害危险性，采用灰色关联法对影响因子的作用程度和因子间关系进行了分析，并系统地阐述了灰色关联度分析法的评价方法与模型，结果表明人类活动指标和其他因子的相关性最强[28]；2017年，曹璞源等运用模糊层次分析法（FAHP），构建了12个评价指标的层次结构模型，对西安市地质灾害危险性进行单因子和多因子评价与区划[29]。2018年黄发明、殷坤龙等人将SOM-SVM模型用于三峡库区万州区滑坡易发性评价，结果比单独采用某一模型有着更高的成功率和预测准确性[30]。但是在目前的滑坡危险度评价中，大部分研究的主要侧重点都是滑坡空间信息。空间信息固然重要，但是数据获取得再全面，模型再准确，终究只是对滑坡本身的描述。在危险性评价中，灾害当地的人文和地理信息同样重要，例如降水、距公路的距离等因素都直接影响着救援的难度。如何融合这些多元信息是接下来需要研究的重点。1.2.2云模型研究现状云模型最早由李德毅院士与1995年提出，这是一种充分结合了模糊数学理论和概率理论的模型，巧妙将定量数据和定性概念之间进行了转换[31]。经过多年的发展，云模型的研究成果已经成功应用于很多领域，例如系统评估、数据挖掘、信号处理、知识建模等[32]，有的已经获得了较高的商业价值。随着学术界对云模型理论的接受程度的提高，它在实际工程中的应用范围会越来越大，前景宽广。2016年，谷小乐等提出了基于云推理的链路质量预测方法，能更准确地捕获链路的变化，并且保证一定的预测稳定性[33]；2014年，Gao等人利用云模型的相似云特性，提出了一种可以有效监测不同的无监督社区的方法，定量描述无监督社区的演化过程[34]；2014年，Xu等人提出了一种基于正态云模型的多步后向云变换算法，提高了精确性[35]；2010年到2011年，李众等人基于混合云模型的推理方法，尝试使用云模型模拟人类的逻辑推理能力，成功地将自然语言表达的定性控制经验，转换到语言控制规则器中，并简化了复杂控制规，取得了良好效果[36-37]；2017年，Jiang等人基于无线传感器网络的特性，提出了一种适用于UWSN信任管理的信任云模型，用于保障水下传感器网络的安全和水下移动传感器节点的安全[38]。在综合评价方面，云模型充分考虑到了知识的不确定性和边界模糊性[39]，解决了其他方法考虑因素少，可操作性差的缺点，实现有效、客观的评价[40]。2007年，柳炳样等提出一种基于云模型的综合评判方法，其结果非常客观准确地确定了边坡的影响因素[41]；2010年，朱永利等将云模型应用到变压器状态评估中,并利用正态云模型普适性提出了基于云模型的变压器状态评估方法[44]；2013年，Hao等人充分利用水体富营养化评价中不可避免的模糊性和随机性，介绍了评价我国14个典型湖泊和水库富营养化的云模型方法，该方法可靠、简单、直观[43]；2016年，Wang等人利用云模型提出了一种评价富营养化状况的新方法，该方法提供了有关水质状况的详细信息，结果相当准确，具有代表性[42]；2017年，Ma等人基于云模型提出了威胁等级评估方法，该方法通过基于经验的定性概念评估隶属云图进行修正，进而在此基础上得到标尺云，实现了有效的威胁评估[45]；2017年，Ren等建立了相似云模型来模拟模糊复杂区域水安全系统的演化机制，克服了与水安全指标体系相关的不确定性，并采用随机权重分配方法确定评价指标的权重，所提出的模型为决策者更好地理解与区域水安全系统相关的安全问题提供了工具[46]；2017年，Cao等采用分量加权法和云模型对坝基岩体进行了数值模拟，克服了单独使用主客观权重法的缺点。建立了基于数字特征值的岩体质量评价指标云图，结果具有较强的可控性和较高的分类精度[47]。滑坡数据本身具有不确定性，相关数据则是客观的定量数值。而专家意见通常采用模糊的自然语言进行描述，例如“危险”，“容易”等。这种模糊性及不确定性增加了评估过程中定性、定量的难度，如何充分利用这种不确定性，建立定性概念与定量数值之间的双向映射关系，是有效提高系统评估结果的可信度的重要切入点。云模型可以实现滑坡救援难易度定量数据与定性描述之间的双向转换，能够克服评价时缺乏客观性的缺点。1.3论文主要研究内容通过对研究现状中所存在的问题分析结果可以看出，目前针对滑坡灾害救援的评估工作主要侧重于滑坡体本身的空间信息。但突发滑坡的变形发展是一个空间多维复杂的过程，要通过这一单一维度对灾害进行评估需要多维的完整的数据，而救援的紧迫性限制了能够获取数据的时间。本研究将人文和当地地理信息一同并入滑坡灾害的评估，这类数据对评估十分有价值，例如降雨，滑坡距水系的距离等。这些因素直接决定着救援的难易程度，而其获取也十分容易。本文提出滑坡救援难易度评估模型，以滑坡前后的DEM、DOM等相关数据为基础，融合空间和人文等多方面信息，借助云模型理论实现定量和定性之间的双向映射关系的分析、实现数据到知识的转换，对滑坡的救援难易度及救援起始点进行综合评价，为应急救援主管部门在指挥救援中快速做出决策提供信息参考。主要任务如下：(1)对已有文献进行分析，结合近年发生的历次滑坡数据，遵循指标体系建立的基本原则，分析、归纳、总结滑坡评价指标。将空间信息、地理信息、人文信息进行融合，建立完整可用的滑坡评价指标，并且利用基于博弈论的改进组合赋权法解决了主观与客观权重计算法中各自存在的缺点，得到的结果更加科学、准确。(2)通过云变换从定量滑坡历史数据中提取滑坡救援难易度定性概念，该方法充分考虑了概念之间的亦此亦彼性，能够完成“定量到定性”、“数据到知识”的转换。解决了传统的基于专家经验评价方法中未考虑实际数据分布情况的缺点。而通过云变换提取的各定性概念的云模型也是综合评价滑坡救援难易度的基础。(3)利用正向云发生器对各概念的云数字特征生成标准云模型。通过真实数据，按照各指标的数值读取对每个救援难度的确定度，综合各指标的权重即可得到最终的结果。(4)利用滑坡历史数据中的大部分完成评估模型的构建，通过一次真实的滑坡数据及历史数据中预留的验证集验证模型的正确性。1.4论文组织结构本文将分为四个章节，本文的主要内容和章节安排如下：第一章为绪论，在本章中对滑坡救援难易度评价相关研究背景和意义进行了阐述，介绍了滑坡灾害的危险性，并对地质灾害危险性评价以及云模型的国内外发展现状进行了梳理，最后对本文的研究内容以及章节安排进行了说明。第二章为基本理论阐述部分，在本章中首先介绍了滑坡理论，包括滑坡的发生机理、形态特征等。接下来对基于机载LiDAR获取DEM高程数据以分析滑坡体空间信息的方法进行了介绍。最后主要介绍了本章的重点：云模型的概念及性质以及云变换的概念及优点。第三章是基于云模型的滑坡救援难易度评估模型的介绍。首先针对滑坡救援难易度的评价指标进行探讨，遵循科学体系的建立原则选择评价指标，接着介绍了利用高斯云变换在历史的定量滑坡数据中提取定性概念云模型数字特征的方法。最后对主客观相结合的基于博弈论的组合权重计算方法进行了介绍。第四章为实验的结果和分析。使用历史数据对滑坡救援难易度评估模型的流程进行了完整的介绍，得到各评价指标的云模型及其权重。然后对一次真实的滑坡数据使用评估模型对其结果进行计算，与真实情况做对比，以验证模型的正确性。总结与展望部分总结了研究工作的创新点，并针对研究所存在的问题提出接下来研究可以改进的方向。

第2章相关理论概述2.1滑坡灾害理论2.1.1滑坡灾害发生条件(1)岩体的工程地质条件第一、岩体性质岩体性质的主要是指在应力作用下岩土体能够抵抗变形和破坏的能力。滑坡体的结构强度越大，则滑坡发生的可能性就越小。滑坡的速率同样会受到岩体性质的影响。第二、岩石结构岩石结构是指组成岩石中的物质的结晶程度、矿物颗粒的大小和形状等特征。根据不同的结晶程度，岩石结构可以分为粗、中、细级；按相对大小可以分为等粒、斑状、似斑状等。几种常见岩石的结构有：岩浆岩、沉积岩、变质岩。(2)地质构造条件第一、地震活动我国位于环太平洋地震带与欧亚地震带之间，因此地震的发生频率相对较高。国内有云南盆地、黄图高原、东南沿海等五个地震分布带。在地震高发地区，由地震所引起的滑坡数量不在少数。通常，地震所诱发的滑坡规模大，面积广，且附带伤害很高。第二、地下水活动地下水是存在于地下岩石空隙中的水。随着我国不断地对地下水的开采和利用，地下水的变化已经导致部分地区开始出现地面沼泽化、盐渍化等现象。这些情况也会间接导致滑坡或者地面沉降的发生。(3)地形地貌条件第一、地形坡度坡度是用于描述地表单元陡峭或缓和的程度，通常把坡面的垂直高度和水平方向的距离比值叫做坡度，即坡角的正切值。根据国际公认的划分方式，按照坡度分类来划分等级：0°至0.5°为平原，0.5°至2°为微斜坡，5°至15°为斜坡，15°至35°为陡坡，35°至55°为峭坡，55°至90°为垂直壁。根据统计，陡坡及峭坡，也就是10到45度左右的坡体最容易发生滑坡。第二、土壤类别从大类来说，土壤主要分为砂质土、黏质土、壤土三类。砂质土一般粒径大于2mm的颗粒含量不超过自重的一半；黏质土重粒径大于0.075mm的颗粒含量不超过全重的一半，壤土的颗粒大小在0.2mm至0.02mm之间，质地结余黏质土和砂质土之间。渗水速度由快至慢分别为：砂质土、壤土、黏质土；透气性由好至差分别为：砂质土、壤土、黏质土；保水性能由好至差分别为：黏质土、壤土、砂质土。土壤对滑坡的主要影响在于，一些结构不够紧凑的土壤，由于其抗剪强度较低，在水的冲击下，更易发生滑动。(4)降水情况我国对大雨的定义为：24小时降水量在25至49.9mm的降雨。根据我国恶劣气象的过往经验，大雨有可能转为暴雨，如果山体结构本身就是保水性能比较差的土壤。巨大的雨量和超快的雨速产生的强大冲力，会将岩石、块体等冲刷向下，形成滑坡或泥石流。(5)人类工程经济活动除了上述的自然因素外，人类本身对资源的开采业对滑坡有着巨大的影响。人口增长，用地需求加大，开发农业工业用地是无法避免的。而在各种类型的开采挖掘中，不少工程对山体坡脚的挖掘，导致坡体下部失去支撑，进而导致滑坡的发生。而与开采相反，不合理的坡体堆载，也可能导致坡体载重过大而引发滑坡。2.1.2滑坡形态特征除了充分了解引发滑坡的因素外，对滑坡形态特征的研究对了解滑坡的发生原理及规律也有着重要的影响。发育完全的滑坡的组成要素如表2.1。表2.1发育完全的滑坡的组成要素滑坡组成要素要素说明滑坡体滑坡完整的滑动部分滑坡壁滑坡体脱离山体后，山体表面暴露在外的部分滑动面滑坡体向下滑动的面，称为滑动面滑动带平行滑动面被褶皱的破碎区域，称为滑动带滑坡床滑动时附着在滑坡体上的岩石和土壤，称为滑动床滑坡舌滑坡舌指的是滑坡前端突起的部分；滑坡台阶指滑坡体在滑动时由于延时和突然的滑坡速度差异，在滑坡体表面所形成的台阶滑坡周界指滑坡体和土壤的边界滑坡洼地指的是滑坡体被滑坡壁拉开后形成的中间低周围高的封闭洼池滑坡鼓丘滑坡体前缘由阻力导致隆起的小丘滑坡裂缝指滑坡活动过程中滑体和边缘产生的裂缝并非所有滑坡均具有上述要素，不同规模以及不同类型的滑坡所组成的要素不全相同，组成滑坡体的各要素边界在实际滑坡过程中要进行区分也较困难。各组成要素的图示如图2.1所示。图2.1滑坡形态示意图2.1.3滑坡活动特性滑坡的发生需要具备一定的基础条件同时也受到各类因素的共同影响作用，由此可知滑坡具有一定的活动特征。在滑坡活动时间上，由于受到不同因素的共同影响，滑坡具有同时性和滞后性，出现外界环境因素改变如恶劣天气、自然灾害等共同作用时，滑坡活动可能会同时出现，有时会稍晚于外界诱发因素的作用时间，造成这一现象的主要原因是外界滑坡诱发因素的强度和斜坡的构成以及稳定程度具有差异，因此滑坡活动霍城具有缓慢性和长期性等特征。通常而言，在大型或中型滑坡中这种表现尤为明显。活动规模上具有继承性和扩大性特征，在已经稳定的滑坡外在因素作用下可能诱导已经出现滑坡的斜坡出现再次滑坡的可能性，因而导致整个或部分滑坡面上出现滑坡，将这种现象称之为滑坡活动的继承性；再次发生滑坡会使原有的滑坡规模扩大，因而影响范围和滑坡力度也有所增大。除以上总结的几类特征之外，由于存在一些结构松散、抗剪强度较低的岩土等外在因素突然发生滑动会形成滑坡，将这类滑坡活动称之为突发性滑坡活动。2.2滑坡体空间信息提取滑坡的应急救援中，空间信息作为对滑坡体最直观的描述，其重要性不言而喻。但对救援来说，快速及时是第一要务，如果为了得到更多的信息而耽误黄金救援时间，绝对是得不偿失的，为应对时间和广度想冲突的问题，研究结合了在时间与精度上较为优秀的方法，重点是快速获取滑坡体本身的空间信息以及当地的地理、人文信息以完成后续研究。其中空间信息的获取以机载LiDAR为基础生成点云，对点云进行去躁处理，经过某些的内插方法来生成规则格网的DEM高程数据。2.2.1LiDAR数据获取LiDAR，即为激光雷达，全名是激光扫描与探测系统。该技术最早起源于以欧美等为代表的发达国家，在发达国家中一些国家为了满足海图测绘需求、口岸测量等特殊需求而开始构思。从1960年代中期开始提出激光雷达构想，并在上世纪八十年代基于原有超声雷达进行激光雷达开发，经过十余年的不懈研究，在激光雷达技术上逐渐成熟。根据激光雷达的不同使用场景可将其分为两种类型，其一为机载激光雷达系统，其二为地面激光雷达系统。前者按照激光雷达系统的用途差异可分为获取地形信息的激光雷达系统以及获取海道信息的激光雷达按系统等。LiDAR是一种光学遥感技术，利用激光对地球表面进行密集取样，产生高精度的三维坐标信息x、y、z测量值。LiDAR主要用于机载激光测绘应用，能够替代传统测量技术（例如摄影测量）且性价比极高。激光雷达系统的主要硬件部件包括收集飞行器(飞机、直升机、飞行器和三脚架)、激光扫描仪系统、全球定位系统(GPS)和惯性导航系统(INS)。INS系统测量激光雷达系统的滚动、俯仰和航向。机载LiDAR系统工作原理：LiDAR是一种主动光学传感器，通过特定的测量路线向目标发射激光束。地球表面上的各类物体都可以对电磁波产生反射，在LiDAR传感器中，接收端检测和分析反射信号，接收器所记录的激光脉冲在离开系统之后将会完成时间的精确计算，因而可得到当前传感器和目标之间的距离大小。结合位置信息(GPS和INS)，将这些距离测量转化为目标空间反射目标的实际三维点的测量（见图2.2）。图2.2机载LiDAR系统工作原理短波信号能够以不变的速度在均匀介质层中沿直线传播，并且不同的介质表面均能将其反射，这是LiDAR系统进行直线距离测量的基础。接收器的作用是计算从发射脉冲到接收反射的总时间，由于脉冲是以光速传播，因此在发出脉冲之前必然会收到前一个被反射回的脉冲。经过多年的技术发展，目前先进的机载LiDAR系统能同时记录一个脉冲的数次反射信号，激光束发射脉冲的频率从每秒十几到十几万不等。理想情况下，通过接收器的高度、扫描角度以及GPS记录的位置和IMU的参数，每一点的坐标X、Y、Z都可以被准确地解算，但在实际工程中，光束有部分可能照射在物体顶端，除此之外还有部分可能透过物体继续向下运动，其余光束则打在地面上被返回，通过计算，能够得到一组多次返回的具有X、Y、Z坐标的点记录。2.2.2点云滤波机载LiDAR的多种优点确保了其作为数据源的情况下，能够较为快速精确的获取地面三维信息，同时不受地表物体的遮挡，可极大的提升数字高程模型的获取精度，可有效保证结果的精确性和质量。但实际情况远远比想象的复杂，由于地物具有一定复杂性，同时反射率也呈现出多样性特征，记载雷达数据若想要高效的提取在实际情况下仍存在较大难度。为了准确地“模拟”地形，还需要考虑如何在缺少光谱或其他信息的情况下从激光扫描处获取云数据并提出其中的噪点，实现噪声点的分类和识别成为当前研究的热点。激光雷达系统产生噪声点的主要原因有三类：（1）由被测对象表面具有不同粗糙度和由材质等原因所造成的误差，例如被测量表面较光滑或具有强烈光泽(如玻璃、金属等)时，除了所需要的漫反射光束，较强的镜面反射也会导致误差的出现；（2）由激光雷达所扫描系统引起的本身误差例如设备的状态、摄像机的分辨率等等；（3）除此之外还有特殊情况或背景噪声，在激光雷达扫描的过程中由于某些不可抗力所造成的误差将成为激光雷达扫描所获取的数据中的一部分。去噪质量也会对构件模型的质量产生影响。由于激光雷达数据量较大，因此电云分类和提取过程十分困难，在巨大的数据量之下手工操作几乎不可能完成，但是计算机自动分类也会被一些不可控因素进行限制，在地形复杂或植被覆盖较广的区域很难得到很好的效果。目前针对上述问题的解决方法，是在利用计算机自动粗分的结果智商再进行人工细分。(1)自动粗分激光雷达粗分时按照其工作区域的具体情况，利用参数完成滤波，在保留地面店同时滤去可能干扰和噪声点，从而完成粗糙的分类。是按照作业区的地貌选择合适的参数参数，去除噪点，保留地面点，获取粗糙分类效果，粗滤波包含两类，分别为基于反射强度的粗滤波以及基于高程突变原理的粗滤波。反射强度主要是根据相同位置的地物可能会反射不同的波，从而判断其并非地面点。而高程突变的原理则类似于聚类。由于自然地表通常是连续曲面，除去某些特定的地貌之外，高程突变的可能性不大。因此，在自动粗分中可以将高程异常的点判断为噪声点，将这一类归为非地面点，从而完成滤波。(2)人工细分通过计算机的粗分，大部分非地面点数据已经被过滤，但实际情况中可能受到的干扰远远超出想象，因此，自动的粗分对部分非突变的噪声点无能为力，需要人工进行精细的分类。LiDAR数据人工细分需要具有一定地学知识且对作业区域的大致情况较为了解的专业人士来操作，操作过程需要十分精细。常用的人工分类软件为TerraScan，细分合格的LiDAR数据需要符合几点要求：地面走势平缓，没有异常点，未出现异常点，山底过渡自然，未有明显突变点；公路高度变化明显但也未有明显突变点；立交桥等去除地面或水面电云数据；土堤和拦水坝等简述和地面相接，保留这类信息的顶部点云数据。图2.3人工去噪后的点云数据2.2.3DEM高程数据获取DEM是数字高程模型的建成，通过有限的地形高程数据实现对地面地形的数字模拟，是数字地形模型的一个分支。它使用一组有序数值阵列表示地面高程。DEM是最简单的数字地形表示形式，它可以用于确定地形属性，如任意点的高程、坡度和坡向。地形特征如流域和河网，也可以利用DEM进行识别。目前，在水文地质分析、灾害监测、自然资源勘查、农业管理等领域都有DEM的广泛应用。一般来说，DEM可以描述各种地貌要素的线性和非线性组合的空间分布，包括坡度、坡向、起伏度变换等，DEM是零阶单纯的单项数字地貌模型，其他特征均可以通过DEM作进一步的推导。为了获得规则格网的DEM高程数据，可以采用一定的插值方法通过原始的点云数据来生成，插值方法的原理是通过测量样本表面来预测每个位置的值。从分类来说，插值可以分为整体插值、分块插值和逐点插值三种。其中逐点内插的结果更为精确，使用也最多，该方法以待插点为中心，定义一个局部函数去拟合周围的数据点，逐点插值的主要算法有规则网络结构和不规则三角网(TIN)两种。相关试验结果显示，若想能够取得理想的内插结果，主需要在地形结构线上存在有大量的点，不仅多且密集，此时在去除了“平三角”缺点的三角形上进行线性内插即可满足要求。在TIN内插法的基础之上，设计规则格网DEM的具体操作如下：第一步需要做的就是对点云构建TIN，之后再对规则格网点位于的三角形进行准确的判断，通过这个三角形的定点来对相应的平面进行唯一确认，随后通过内插法，得到格网点的高程值。对于点云庞大的数据量而言，采用线性内插的方式可以对高程插值效率起到巨大的提升作用，除此之外，还能有效的降低插值函数的计算误差。图2.4DEM数据样式2.3云理论2.3.1云的定义及性质一、云的定义云模型最早是由中国工程院院士李德毅所提出的一种定性概念与其定量表示之间的转换模型，该项成果是李院士立足于概念统计和模糊集理论之上发展而来的。对于不同时间段和不同的人而言，即使是一种相同的概念对于他们的意义而言往往也具备着巨大的差异，在正常的社会交流过程中，不同的人在语言表达方面往往就同样的词义会选择不同的词语以及表达的方式也会不同，利用云可将定性概念映射的定量云滴展现出了不同的确定度，但是不同人用不同语言值对定性概念所反映出的云滴确定度具有一致的统计规律和共同的认知机理[48]。云模型的定义如下：设U是一个用精确数值表示的定量论域，C是U论域上的一个定性概念，若某一定量值x∈U，x对C所表示的定性概念的隶属度为μcx,隶属度在论域U上的分布称为隶属云，简称云。μcxμ论域空间U的维数不固定，可以是一维或多维，具体情况则视研究对象的性质而定，云主要性质如下所示：（1）对于任意的的集合来说，其都是通过以一对多的形式映射到区间上，x对C的确定度并非一个确定不变的值，而是一个概率分布。（2）众多的云滴合在一起构成云，而这数量众多的云滴之间的先后顺序时固定下来的，而这具体的数量可以对某一定性概念的广泛特点进行较为客观的展现。（3）对于云上确定度的具体数值而言，通常可以通过云滴出现概率的大小来进行判断，不仅如此，它还对能够反映其对于概念的贡献度。（4）对于定义中的云滴来说，它可以一定程度上反映出其对某概念的确定度，这不单单说明它在模糊集意义下具有着一定的隶属度含义，除此之外，它还对概率意义下的分布有一个很好的顾及。这对模糊和随即之间的关系也得到了良好的展现。云是通过自然语言表示的某个定性概念与其定量数据表示之间的双向认知模型，其作用是体现人类能直观理解的自然语言中概念的不确定性。云反映了随机性和模糊性之间的关联，这一点能够通过经典的概率论和模糊数学给出解释。其本质是用概率的方法去研究模糊性，构成定性概念与定量数据之间的相互映射。二、云的数字特征对于自然语言值而言，云的存在代表了其中包括有的不确定的普遍规律，对于其中可能存在的模糊性和随机性也进行了较为充分的考量，从而使得概念与定量数据之间能够形成相关联的反映，也就是在描述定性概念时，使用语言值来对其数据范围和分别规律进行相关的描述；除此之外，也可以吧相应的数值通过相应的方法进行转化，从而生成一个行之有效的定性概念。云通常都是通过特征参数(Ex,En,He)来对概念的整体特性进行准确地反映。期望Ex主要对概念的确定性度量进行了描述，这也能够用来表示云滴在论域空间分布中的数学期望。简单点来说，该点能够有效的反映定性概念，或者说该点是作为这一概念的最典型样本而存在的，这一点也在云形中处于最高位置，它的隶属度为1，这表示期望值绝对包括在对应的定描述中；熵En存在的一个最为主要的作用就是对定性描述的模糊性进行准确的评估，首先在论域中，它能够对定性描述具体的取值范围进行准确反映，因此，对于定性描述亦此亦彼的程度也能进行一定的描述，若En越大，则说明经过定性描述定义的云滴将会具备有更大的跨度，与此同时，定性描述也会具有更大的模糊性。其次，对于云滴的离散程度，也能够通过熵E超熵He是熵的熵，是熵的不确定性度量，也叫二阶熵。就某一个具体的定性概念而言，如果它的存在被大部分人所认同的程度越深，则超熵越小；对若某一概念能够在一定的范围内被接受，则其具有较小的超熵；若某一概念很难被大家所接收，并且还容易发生混淆的现象，则此时说明这一概念具有较大的超熵。超熵利用上述三类数字特征所建立的云可表述不同定性概念和定量值之间的不确定性，云的基本单位云滴也是定性概念的实现过程，不同云滴的位置反应其概念贡献的强弱。数字特征在云图中的意义如图2.5。经过统计，对论域U中定性描述A有贡献的云滴，其中绝大多数在区间Ex−3En,E图2.5云模型的特征2.3.2云发生器云发生器是利用计算机对不确定性知识概念的随机量化值xi与该量化值对概念确定度μi形成联合分布来刻画数值本质，也是云的一种实现方法，使得定性概念和定量值形成中有量，量中有相互映射关系，正向云发生器是生成云模型的一种基本算法，是从定性概念到其定量表示的一种映射。在正向云发生器中，云滴由期望、熵和超熵三个数字特征确定。它的云滴是由云的期望、熵和超熵三个数字特征来产生。正向云发生器能够将无法直接通过数字体现的定性概念中得到定量范围，其实现过程是正向且直接的。具体的一维算法可总结为：1）利用正态云特征为(Ex,En,He)，产生以Ex2）得到以Ex为期望，yi'23）通过计算隶属度可形成一个云滴drop(x,u)；4）重复上述步骤，直到形成n个云滴。在正向正态发生器算法中，当熵En和超熵He均大于零，才能体现云模型的随机性。因为若超熵He为零，则此时x将服从正态分布，云模型将会失去随机性特征；而当En、He均等于零时，通过算法运算得到的图2.6为Ex=10,En=3,He=0.1和N=1000时云的形态，横纵坐标分别代表云地址和确定度，除了一维云形态之外，还有其他类型的云模型，例如用于表示某些论域中相应边界信息单侧特性的半梯形云，如图2.7。图2.6一维正态云图2.7半梯形云逆向发生器是对正向发生器所进行的逆向云生成过程，即对给定的近似服从概率分布的定量精确作为样本完成建模，通过逆向形式来计算样本参数并得到相应的隶属度函数，进而实现定量向定性的转变。在算法运算过程中，按照算法输入是否包含概念确定度将其分为两种，其一为利用确定度逆向发生器，其二为无需确定度逆向发生器，本文将不再对其进行详细介绍。2.3.3云变换上述的逆向云发生器可以从确定的定量数据样本中提取具有不确定性的基本概念的三个数字特征。但该算法在实际应用中需要遵循一个前提，即给定数据样本对相同概念在同一粒度的外延表征，但面对不同问题域中的多粒度、多概念的生成问题却无能为力，这样的缺点就限制了逆向云算法从数据样本中获取更多概念。在概念统计中，高斯混合模型将问题域中的分布函数转化为高斯分布的叠加。但是高速变换自身为拟合过程，且并未考虑在特定情境下的自适应认知，不涉及概念的语义。高斯变换提供的概念硬划分方法，利用元素对应在不同高斯分布上概率值来判断归属，元素和概念之间的关系为一种确定的关系，不能反应相邻概念存在的亦此亦彼性。而高斯云中的熵和超熵非常优雅地解决了该问题，同时还用来衡量高斯变换划分出概念的含混程度。图2.8为利用云变换将院士年龄聚类成3个概念群的结果[70]。图2.8启发式高斯云变换结果2.3.4云综合通过云变换方法可得到一系列层次较低的原子概念，在原子概念层和高层概念之间，除此之外还存在其他概念存在，此时需要对原子概念进行跃升,进而得到更粗粒度的概念。在传统方法中，进行属性泛化时每个属性边界均为确定的概念。而云模型理论对传统的概念泛化进行了改进。概念泛化也叫概念提升，其中概念提升中不同层次上的概念集基于云模型所构成，相邻云模型之间可以交叠；交叠区内数值可在不同概率之下，率属于不同云模型，非重合区域中数值或概念属于同一个云模型隶属度具有随机性。概念提升之后较低层概念可能隶属于多个高层概念，这些也是云模型概念泛化和传统概念泛化的差异。1.“软或”云综合蒋嵘等学者基于“3En准则”相关特性，提出了“软或”的综合方法。用户首先提供每一层上概念表示论域空间云模型个数，将存在相邻云的C1Ex1,En1,He1和C2Ex2,En2,图2.9“软或”云综合2.积分式云综合积分式云综合适从云几何意义触发，利用微积分思想对论域空间中相邻云C1Ex1,En1,He1和C2Ex2,En2,图2.10积分式云综合云模型概念提升的主要思想为通过云变换生成云，这类云属性集中原始概念信息，随后在这些云基础上进行提升，由此可生成更高层次的概念云，由此完成迭代操作，最终得到相关概念，利用相邻的基础云生成高层次概念，模糊信息粒度，由此可增强概念的可理解程度。2.4本章小结本章主要分为三个部分，首先是滑坡灾害理论的介绍，只有深入了解滑坡灾害的原理才能保证滑坡救援难易度评价指标的科学性。接下来对生成DEM数据的方法进行了介绍，介绍了云模型基本概念、云发生器的相关原理以及用于在定量数据中提取定性概念的云变换。第三章将对评估模型进行完整的描述，包括定性概念的提取以及指标权重的计算。

第3章基于云模型的滑坡救援等级评估模型3.1滑坡救援难易度综合评估方法滑坡体作为一种自然地质，其影响因素复杂，而各因素的影响程度也各有不同。作为定性定量之间有效转换的方法，云模型在滑坡救援难易度评价上的应用充分地考虑了评价指标和救援难易度等级之间的关系，因此对滑坡救援难易度做出的判断更加准确。3.1.1评估流程设计1)确定评价指标和权重首先分析评价指标，分析中遵循评价指标的构建原则：系统性、简明性、典型性、有效性、科学性、可比可操作及综合性原则确定滑坡救援难易度评价指标，确定滑坡救援难易度级别，并计算各指标所占的权重。2)确定数字特征，生成云图通过云变换从历史定量数据中提取出定性概念，对于历史数据质量不好导致无法提取足够概念的指标，根据专家经验所确定的指标上下限确定云模型数字特征(Ex,E3)计算各指标数值对基于LiDAR获取的点云数据进行点云滤波，得到灾后dem高程数据，与灾前dem叠加得到滑坡体dem。对滑坡体dem进一步分析，计算空间信息各指标的值。对于降雨指标，查阅中国气象数据网等获取；滑坡体距矿山公路距离等指标需要叠加GIS图获取。4)确定滑坡救援难易度等级根据各指标的数值，通过云图读取评价指标隶属于每一个滑坡救援难易度等级的确定度，所得到的的确定度与各评价指标的因子权重值相乘，最后相加即可得到该滑坡对于每一个救援难易度的确定度。其中，选定确定度最大值所在的级别为该测点的救援难易度等级。3.1.2评估结果方法通过正向云发生器，得出滑坡其中一个重要的评价数据为确定度，其计算公式为：综合上式所计算出的k个综合云模型即为最终评估救援难易度所需要的云。在得到滑坡发生后各指标的值之后，按照需要跃升概念的指标，乘以权重并读取其确定度，最后，结合综合权重，计算综合确定度，Up,i=j=1mμ式中：μp,ij——指标jj=1,2ωj——评价因子的权重。根据综合确定Up,i，k3.2滑坡灾害救援难易度评价指标设计及各指标云数字特征计算3.2.1指标体系建立的原则评价指标是衡量评价对象的基本尺度。正确地选取滑坡救援难易度评价因子的、科学地建立评价指标体系是做好滑坡救援难易度评价的客观前提。层次性、科学性、完备性以及数据可得性都是滑坡救援难易度评价指标的建立需要遵循的原则。3.2.2指标的选择在滑坡灾害危险性评价的基础上进一步研究滑坡救援难易度评价，大部分滑坡灾害危险性评价指标同样可以用于滑坡灾害救援难易度评价。在危险性评价所依赖的空间信息的基础上，融合地理、人文信息，遵循指标体系的建立原则，选择合适的指标。（1）滑坡面积滑坡面积和滑坡的威胁范围直接相关，也和发生二次滑坡的可能性相关性极大。它是衡量滑坡危害程度的一个重要指标，同时也是衡量救援难易度的一个重要指标。（2）起伏度地形起伏度是用来描述区域地形特征的重要因子，其指标为最大高程值和最小高程值的差值，直接反应了地形的高低起伏情况。地形起伏度是对高程值的进一步描述，由于高程值智能反应区域高程变化情况，因而不能反应区域地形起伏。（3）坡度坡度也是衡量地形的重要参数指标之一，坡度是影响滑坡稳定性的重要因素。滑坡体内的应力分布状态将会影响坡度，坡度陡峭则应力集中越明显；更重要的是坡度影响着斜坡体的有效临空面。同时，坡度也影响着斜坡上地表径流以及地下水的补给和排泄等等，对地球表层物质的能量分配和水土流失的强度等有一定程度影响。（4）坡向坡向指的是山坡倾向，山坡倾向和通过影响山坡的水、阳光以及其后等对滑坡产生影响，例如光照时间和强度以及植被的疏密等均会一个新娘土壤的结构输送程度，进而降低滑坡体的稳定性，这会使滑坡发生的可能性和危险性大大增加。（5）水系距离水系距离也是重要指标之一，显而易见，水流侵蚀作用也会影响滑坡，按照已有的相关资料显示，地下水较为丰富的斜坡地带更容易发生滑坡情况。（6）地层岩性地层岩性直接影响着土体变形滑动，该指标和斜坡岩土体抗风化能力以及力学强度和变形破坏基础等有关，也是控制斜坡是否稳定的重要指标。（7）降雨在降雨方面，降雨时间的长短、降水量和降水类型都在不同程度上影响着滑坡情况的发生。当降水量的速度小于渗入到地下的速度时，地表的降水会渗入到地下，变成地下水，而地下水的增加，会改变斜坡内部原有的应力状态，降低坡体的抗剪强度和边坡的抗滑能力，影响原有的稳定状态，从而产生滑坡等地质灾害。（8）人类采挖开挖、填方、工程爆破、建筑荷载、毁林开荒、陆坡垦植以及工矿、交通、水利等建设项目所产生的废土碴石堆放，都影响着滑坡的发生率。这些人类活动如果操作不当，或者没有采取有效的防护措施，都将促使地质灾害的发生。（9）距公路的距离人类的各项工程活动具有复杂性及难预测性，如公路施工过程中会不可避免地出现削坡、坡顶加载等，这些工程通常都会改变斜坡的地貌，干扰或者改变地质环境特征和规律，以及破坏自然斜坡结构，斜坡受到公路工程的影响也就越大。综上所述，最终确定的基于云模型的滑坡救援等级评估指标如表3.1所示。表3.1滑坡救援难易度评价指标滑坡面积C1地形起伏度C2坡度C3坡向C4水系距离C5岩体基本质量指标C6年均降雨量C7距矿山距离C8距公路距离C93.2.3指标标准云参数的确定滑坡救援难易度评价指标已经确定,接下来的问题便是如何确定救援难易度的级别。研究的目的是方便不具有专业地学知识的相关主管部门决策者快速把握灾害情况，因此难易度的级别需要遵循可理解性的标准，级别设置不宜过多或过少，在地质灾害危险性研究中，大多数研究的危险性指标均为四到五个。本研究根据文献分析及专家经验将滑坡救援难易度等级分为4个级别：容易救援、轻度危险、比较危险、非常危险。目前的灾害危险性评价中的标准级别设置通常是基于主观的经验，按照每个指标的特性，硬性划分出多个概念的分界。通过这种方式得到的标准级别没有体现概念之间的模糊性及亦此亦彼性。例如刘希林在泥石流危险度判定中[49]，将流域面积划分为小，中，大，极大，对应的流域产沙量数值分别为小于0.5,0.6-10,11-34，大于35。这些数值是根据主观经验来制定的。仔细考虑，如果两个流域产沙量在0.5和0.6，按照其划分标准，流域面积应为“小”和“中”，但是0.5与0.6差距极小，而“小”和“中”的定性概念却给人一种差距很大的错觉。云变换作为一种基于高斯变换的方法，充分考虑了相邻概念边缘的模糊性，高斯云中的熵和超熵很好地体现了人类在特定情境下的自适应认知。云变换从本质上来说是从某一论域实际数据分布中完成概念的复原，即从定量描述到定性描述的转换过程。本研究将根据滑坡的大量历史数据，利用云变换，从定量数据中提取若干该领域的粒度概念,构建基本概念层次。自适应高斯云变换从实际数据统计分不触发，形成与人类认知相符的多个概念。其算法步骤如下：算法3.1自适应高斯云变换（A-GCT）输入：原始数据集X，概念含混度上限β输出：含混度小于β的高斯云算法步骤：（1）设m=2（2）利用高斯变换(GT)将数据集合X转换为生成k个高斯分布。G（3）对k个高斯分布计算其缩减比例则对应的第k个表示概念的高斯云参数E（4）最小的概念含混度超过β则m=2。（5）循环步骤2-3，找到含混度小于β的概念。在高斯云变换中，含混度CD是一个很重要的概念。对一个概念，如果含混度大，则概念的外延离散程度也也会相应较大，与相邻概念的交叠通常会越多，导致概念难形成共识，会造成相差很大的两个值所对应的的定性概念的确定度几乎一样；反之，含混度小，概念的外延汇聚，与相邻概念的交叠也就会越少，概念更容易形成共识。根据研究，含混度小于0.5004的概念是较为成熟的，本研究也将使用这一值来判断概念是否足够清晰。为了在定量数据中获取救援难易度的四个级别概念的云参数，在保证概念的共识的前提下，设定最小含混度，通过自适应高斯云变换得到m个高斯云，如果m≥4，说明这些概念的层次没有达到要求，需要利用云综合方法进行概念跃升。云综合的经典方法在2.3.4中已经做过介绍，但上述两种方法均认为高度系数为1。然而，根据云边缘概念基本思想可知，当数据量一定时数据频率的高低所反映的是对某个概念的具体贡献度大小，在实际应用中对滑坡历史数据则利用频率分布函数抽取若干概念云模型具有相同的高度系数，若使用上述高度系数方式记性云综合则难以得到预期的效果，将会使得最终计算结果和实际值产生较大误差。基于此在产生具有高度系数模型上进行云综合时要考虑高度系数所带来的影响，实现和考虑高度系数的基本思想可概括为：分别对两朵待综合的云利用正向发生器所对应的数据与数据总量进行求积，随后将数据合并后利用无确定度逆向云方法产生综合后的云，得到高度系数的云综合，其具体步骤可概括为：算法3.2高度系数云综合输入：基于云变换后提取的云模型{C(Ex输出：综合后的云模型C(Ex,En,He)算法步骤：（1）计算出相邻原子云之间的距离，并对计算后的距离按照升序予以标注；（2）按照计算出的云距离为原则，得到两个两个原子概念云模型Ck(Ex（3）将原子概念云模型Ck(Ex（4）同步骤（3）一样产生M个云滴；（5）将步骤（3）和步骤（4）中的定量的数据值合并成M+N个云滴集合，并计算出两个云综合后对应的数字特征参数。（6）重复步骤（1）-（5）进行综合，指导综合为一个顶层云概念。如果m＜4，说明历史数据无法达到算法要求，放弃使用云变换，基于专家经验得到指标各危险级别的上下界，根据下式计算云模型的数字特征Ex、En和HⅇExi=Mi式中：(i=1,2,…，Mi和Ni——某个评价指标β——常数0.01。若变量为单边接线，则此时可通过实测数据范围调整缺省边界以及期望，随后利用公式完成求解。需要注意的是，在利用正态云发生器生成云图时，接近边缘的云图应转换为半正态云。因为在实际工程之中，任何情况都有可能发生，如果按照正态云来处理，很有可能将极大或极小的数值判定为对任何等级的确定度均为0。3.3滑坡救援难易度评价指标权重的确定方法滑坡救援难易度评价指标的权重分配必定要考虑到不同评价指标的重要程度。一般来说，当采用单一的方式进行权重分配时，会造成片面性、独断性的情况。例如，一些主观赋权法，如专家估测法、层次分析法，倚重于专家的知识经验进行主观判断来确定指标权重，结果通常与实际情况相符合，但其主观随意性较强[50]。而为了避免主观随意性，与之相对应的统计法、灰色关联度法等客观赋权法主要是依靠样本数据分析计算出权重，但其结果虽保证了权重的绝对客观性，但却忽略了经验等主观信息，可能会出现权重分配与实际相悖的情况。为了克服这两类方法的或过于主观性或过于客观性的问题，将表示评价因素之间相对重要性的主观权重和将通过实际计算的客观权重进行综合考虑和分析，最终完整地反映出不同的评价指标的权重。因此，本文基于博弈论，改进综合赋权法，对层次分析法与熵权法所计算出的权重进行综合计算，确保权重的准确性。3.3.1利用层次分析法计算权重层次分析法是对定性问题进行定量分析的多准则抉择方法，它简便又实用，可以把复杂问题中不同影响因素进行划分，并对不同的层次予以合理分析，通过具有客观性的主观判断，将专家意见与分析者判断结果予以融合，将一层元素两两比较后进行定量描述，随后利用相关方法计算不同层元素的重要性次序权值，通过所有层次之间的排序计算相对权重并完成排序。这种方法的优点是提供了一种有效的方法解决问题[51]。在本研究中已经确定的九个指标中，各个指标的重要性在实际工程中的权重均有所不同，例如，滑坡面积对救援难易度的影响显然远远超过其他指标。基于以上情况，结合专家经验，层次分析法能够很好地反应各指标的权重。其计算步骤如下：一、递阶结构的建立和特征在对问题进行决策分析时，首先将待解决的问题进行层次化，并给出一个层次模型，通常而言，层次分析法结构可分为三层，分别为：①最高层：最高层中只包含一个元素，该原色为分析问题的目标，在本研究中即救援难易度评价。②中间层：中间层包含所有中间环节，可进一步分解为若干子层，分别由对应属性和子属性构成，包含考虑因素，决策准则等，在本研究中为指标的大类，即空间因素、地质因素等。③最底层：最底层包含实现目标而选择的方案和具体措施，因而被称之为方案层，在本研究中即为各评价指标。二、判断矩阵的建立判断矩阵是表示本层因素针对上层因素的重要性进行比较。采用比例标度法来确定矩阵的第i个影响因子与第j个影响因子的重要性作商，得到比值大小，比例标度具体含义如下表。表3.2判断矩阵的含义三、一致性检验为了提升指标合理性，避免矛盾，需要对判断矩阵的一致性予以检验，具体公式为：CI=CR=CI∕RI式中：CR——随机一致性比率；CI——致性指标；RI——平均随机一致性指标（见表3.3）；λmax——n——矩阵阶数。表3.3平均随机一致性指标RI值通常而言当判断矩阵的阶数N≥3才会对其一致性进行检验，当阶数小于3时具有一致性，因此无需检验。只有当CR＜0.1时，才认为判断矩阵具有很好的一致性，认为此时判断矩阵设置合理，反之则不合理需要进行调整，指导满足一致性原则。3.3.2利用熵权法计算客观权重熵权法是一种客观的权重计算方法[52]，该方法以熵作为基础。熵是信息论中的概念，可以度量不确定性。信息量和不确定、熵之间呈现负相关关系。在指标权重的分配的过程中引入熵的概念，可以引申出：若指标信息熵越小则说明指标变异程度越大，提供信息量越多，则综合评价中所起到的作用也就越大，相应的权重也就越大，相反则越小。在本研究中，诸如滑坡面积、距离等指标的熵显然较小，按照熵权法的概念，其权重应该越大，这和实际经验一致。其算法计算步骤如下：（1）数据标准化，一般使用min-max标准化，且正负指标的计算不同。其中正向指标公式：xij=（2）计算第j项指标下，第i个样本值占该指标的权重：pij（3）计算第j项的熵值：ej式中k,ej满足以下性质，如果pk（4）计算信息冗余度：d（5）计算各指标的权重：W3.3.3基于博弈论的改进组合赋权博弈论隶属于现代数学和运筹学。博弈论主要是分析游戏中个体的预测行为和实际行为，并对这些行为进行研究和优化。约翰·福布斯·纳什[53]在上世纪五十年代利用证明了均衡点是存在的，奠定了这一学科的基础。对权重进行群决策的思想方法思路主要如下：运用单一方法确定权重值时具有不可避免的片面性，可以根据评价问题的具体特点，选择多种方式独立地进行权重分配，接着依据内在的关联和集结法则，整合为整体权重集意义上的权重值。而博弈论方法认为各个方式之间是独立的，不同的方式之间存在的结果也许会存在相悖的内容，所以可运用博弈论方法分析这些结果中冲突之间的统一协调，寻求最终的均衡结果。基于此，最终的均衡结果相互竞争又协调一致，相较于单一或其他方式来说更加科学、客观和全面。在历史研究中，基于博弈论的组合赋权一般认定各方法之间存在平等性，不存在偏向。但在本研究中，由于客观熵权法的计算依赖于客观数据，但能够采集的客观数据毕竟有限，并且实际工程中任何极端情况都有可能发生，这些异常值可能会导致最终的结果与实际情况有差距，而主观权重则更贴近真实情况，其权重应较大。因此，对组合赋权进行改进，引入指标赋值，对每种方法求得的权重按照优先程度赋值，此赋值在计算中会提高优先度高的权值所占的比重。其算法如下：算法3.3基于博弈论的改进组合赋权法输入：原始数据输出：指标权重（1）假设采用G种主客观赋权法可得到的权值为G种，由此可得到基本权重向量集wkw任意线性组合为：w=其中：αk——线性组合系数w——综合权重值。按照博弈论相关思想需要在所有的权重中找到一致或妥协，并寻找满意度最高向量，将其转化为对新兴组合权重系数αk完成优化，优化后的目标是使w与各个wmin（2）根据矩阵的微分性质可得出上式的最优化一阶导数条件为:j（3）公式对应的线性方程为：w根据上式可以求出(a（4）按照G种权值的优先度ri对分别对其进行赋值，优先度最高的赋值为k，次优指标赋值为k-1，……，优先度最低的指标赋值为1，赋值后i指标的偏好校正系数RR（5）i指标的改进权重为：a'=（6）最后求出最终组合权重为：w3.4本章小结本章主要介绍了基于云模型的滑坡救援等级评估模型。首先是指标的确定，需要遵循哪些规则，最终选择哪些指标。接着重点描述了如何利用云变换的方法在滑坡定量数据中提取定性概念的云数字特征，最后本章还基于博弈论进行了组合赋权法的改进，寻求出一种基于博弈论的权重计算方法，此方法使最终的均衡结果相互竞争又协调一致，较为科学、客观和全面。第四章将验证本章提出的评估模型。

第4章实验结果及分析本章将对第三章提出的基于云模型的滑坡救援难易度评估模型进行验证。通过历史数据完成评估模型的建立，最后通过一组真实的滑坡数据进行模拟，最后使用历史数据的验证集对模型的正确率进行计算。4.1实验设计4.1.1技术路线图实验的整体技术路线如图4.1所示，实验主要分为两个部分，第一部分利用历史数据对难易度评估模型中的指标分级、权重进行计算，并生成综合云模型。第二部分将利用真实滑坡数据进行验证，首先计算各指标的结果，通过生成的综合云模型得到最终评估结果，并和真实情况进行比较以验证其正确性。图4.1本文的整体技术路线4.1.2实验数据集由于国内高精度的DEM数据大多涉密，而谷歌地球十米精度的高程数据无法符合实验要求。因此，经过与相关部门老师的协调，得到了700组脱敏的历史滑坡数据，在对数据进行处理后，保留表3.1中指标的对应数据，部分数据见图4.2。其中，650组数据用于云参数的计算，剩余50组数据用于结果的验证。图4.2部分历史滑坡数据4.2滑坡救援等级标准云的生成4.2.1评价指标标准云参数的确定上文3.1.3中已经介绍了各指标标准云参数的计算过程。已经确定需要得到的4个级别的救援危险度定