楊 昆 朱志祥

（西安郵電大學(xué)物聯(lián)網(wǎng)與兩化融合研究院 西安 710061）

1 引言

陜西省嵐皋縣位于陜南秦巴山區(qū)，由于復(fù)雜的地形地貌，多變的氣候以及近些年人類對固有生態(tài)環(huán)境的不合理開發(fā)等因素的影響，導(dǎo)致地質(zhì)災(zāi)害發(fā)生次數(shù)較多。根據(jù)當(dāng)?shù)氐恼{(diào)查統(tǒng)計顯示，近幾年，在嵐皋縣所發(fā)生的地質(zhì)災(zāi)害中，影響較大且發(fā)生較頻繁的分別為滑坡、崩塌和泥石流并且由于該地區(qū)地形多數(shù)以山為主，地質(zhì)災(zāi)害發(fā)生一般具有爆發(fā)快、破壞性強(qiáng)，分布面積廣及治理難度大等特點對當(dāng)?shù)厝嗣竦纳敭a(chǎn)造成了嚴(yán)重的損失［1］。因此，進(jìn)行該地區(qū)地質(zhì)災(zāi)害預(yù)警研究具有深遠(yuǎn)的意義。

從20世紀(jì)90年代開始，地質(zhì)災(zāi)害預(yù)警在國內(nèi)外就逐漸受到重視和關(guān)注［2］，在理論和技術(shù)上都有明顯的改變，即引入了GIS、GPS、RS等技術(shù)，也運用了數(shù)學(xué)、力學(xué)以及非線性科學(xué)等理論知識，在地質(zhì)災(zāi)害預(yù)警方法上使用較多的是隱、顯式統(tǒng)計預(yù)報、非線性系統(tǒng)理論預(yù)報、動力預(yù)報等［3～5，11］。人工神經(jīng)網(wǎng)絡(luò)（Artificial Neural Network，ANN）［6～8］是一種建立在生物神經(jīng)網(wǎng)絡(luò)上且參考其形成機(jī)理而產(chǎn)生的系統(tǒng)，它最重要的特點就是能以非線性并行處理方式來處理現(xiàn)實中模糊、復(fù)雜、隨機(jī)性強(qiáng)且數(shù)據(jù)量大的信息，所以長期以來在自然科學(xué)等領(lǐng)域受到了廣泛的應(yīng)用［9］。

本文以人工神經(jīng)網(wǎng)絡(luò)理論為基礎(chǔ)，就陜西省嵐皋縣地質(zhì)災(zāi)害發(fā)生的特點，采集并分析有關(guān)地質(zhì)災(zāi)害發(fā)生的地質(zhì)地貌信息以及降雨量信息，建立了陜西省嵐皋縣地質(zhì)災(zāi)害預(yù)警的BP（Back Propagation，反向傳播）神經(jīng)網(wǎng)絡(luò)細(xì)網(wǎng)格模型，并對該模型預(yù)測的結(jié)果進(jìn)行了驗證。

2 BP神經(jīng)網(wǎng)絡(luò)模型及原理

2.1 BP神經(jīng)網(wǎng)絡(luò)模型

BP神經(jīng)網(wǎng)絡(luò)即反向傳播神經(jīng)網(wǎng)絡(luò)，屬于人工神經(jīng)網(wǎng)絡(luò)的前向型網(wǎng)絡(luò)，是目前應(yīng)用最廣泛，效果最好的網(wǎng)絡(luò)模型［10～12］。BP網(wǎng)絡(luò)的結(jié)構(gòu)既有復(fù)雜的也有簡單的，對于較為簡單的網(wǎng)絡(luò)結(jié)構(gòu)一般都是只有一個中間層外加輸入、輸出層所構(gòu)成，而對于復(fù)雜的網(wǎng)絡(luò)結(jié)構(gòu)基本都是有兩個以上的中間層外加輸入、輸出層所構(gòu)成，并且無論是復(fù)雜的還是簡單的網(wǎng)絡(luò)，它們相鄰層的各神經(jīng)元都是相接在一起的，但是每層的各神經(jīng)元是間斷的，如圖1所示。

圖1 BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)圖

圖1中x1(k)到xn(k)表示網(wǎng)絡(luò)輸入層每個元素的輸入，y1到 yq表示輸出層每個元素的輸出，wih表示網(wǎng)絡(luò)輸入層的每個元素和網(wǎng)絡(luò)中間層的每個元素之間的連接權(quán)值，who表示網(wǎng)絡(luò)中間層的每個元素與網(wǎng)絡(luò)輸出層的每個元素之間的連接權(quán)值。

2.2 BP神經(jīng)網(wǎng)絡(luò)原理

BP神經(jīng)網(wǎng)絡(luò)的使用并不復(fù)雜，基本都是對網(wǎng)絡(luò)進(jìn)行反復(fù)訓(xùn)練后，再根據(jù)現(xiàn)有的數(shù)據(jù)對未來的情況經(jīng)行預(yù)測。在網(wǎng)絡(luò)的訓(xùn)練期，主要包括兩個過程：1）信號的前向傳播，網(wǎng)絡(luò)的輸入層各個元素得到數(shù)據(jù)進(jìn)行處理后傳送到中間層，中間層將接收的數(shù)據(jù)利用激勵函數(shù)進(jìn)行轉(zhuǎn)換并傳到輸出層，最后在輸出層得到第一個過程的運行結(jié)果。2）誤差的反向傳播，當(dāng)前向傳播的輸出誤差大于允許誤差時，就會進(jìn)行此過程。該過程主要是將前向傳播的輸出誤差逆向傳送給網(wǎng)絡(luò)各個層的元素，并對各個層之間的連接權(quán)值進(jìn)行修正直到滿足事先所設(shè)置的誤差要求即可［13］。在工作期，只需對已學(xué)習(xí)的網(wǎng)絡(luò)輸入一個信號就可以得到一個對應(yīng)的預(yù)測或聯(lián)想結(jié)果。

2.2.1 神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)原理

由BP神經(jīng)網(wǎng)絡(luò)的組成元素可以得到，要構(gòu)建一個網(wǎng)絡(luò)最關(guān)鍵的地方就是要得到網(wǎng)絡(luò)每個層中的元素和網(wǎng)絡(luò)中間層的個數(shù)。網(wǎng)絡(luò)中間層個數(shù)的確定。在一般情況下，如果該函數(shù)在閉區(qū)間內(nèi)是連續(xù)的，那么使用只含有一個中間層的網(wǎng)絡(luò)就可以滿足需求。對于各層神經(jīng)元個數(shù)的確定，輸入層神經(jīng)元個數(shù)和輸出層神經(jīng)元個數(shù)都是根據(jù)具體應(yīng)用時輸入到網(wǎng)絡(luò)中的樣本數(shù)據(jù)數(shù)量以及想要得到的結(jié)果來確定的，隱含層神經(jīng)元個數(shù)的確定目前主要采取的是反復(fù)訓(xùn)練網(wǎng)絡(luò)與逐步修剪法［14］結(jié)合的方式。

2.2.2 神經(jīng)網(wǎng)絡(luò)算法原理

BP神經(jīng)網(wǎng)絡(luò)算法的實現(xiàn)過程可分為以下的幾個步驟［15～16］：

首先假設(shè)有一個n-p-q結(jié)構(gòu)的BP神經(jīng)網(wǎng)絡(luò)，它的輸入向量為x1(k)，x2(k)，x3(k)…xn(k)；輸出向量為 y1，y2，y3…yq；輸入層和中間層之間的權(quán)值為wih；中間層和輸出層之間的權(quán)值為who；隱含層與輸出層各神經(jīng)元的閾值分為bh和bo。

1）網(wǎng)絡(luò)初始化

對權(quán)值 who和 who，閾值 bh和閾值 bo在［-1，1］之間各自分別隨機(jī)取一個不為0的實數(shù)作為網(wǎng)絡(luò)初始值并且選定一個初始的學(xué)習(xí)速率η和隱含層與輸出層各神經(jīng)元的激活函數(shù) f(s)，給定計算精度值ε。

2）隱含層輸入hih(k)計算

由 xn(k)，wih，bh得到 hih(k)。

其中，i=1，2，3…n，h=1，2，3…p。

3）隱含層輸出hoh(k)計算

由hih(k)和f得到hoh(k)。

其中，i=1，2，3…n，h=1，2，3…p ，f為隱含層各神經(jīng)元的激活函數(shù)，對于處理連續(xù)的非線性問題常使用的是S函數(shù)型。在此，也采用的這個函數(shù)，即

4）輸出層輸入 yio(k)計算

由 hoh(k)，who，bo得到 yio(k)。

其中，h=1，2，3…p，o=1，2，3…q。

5）輸出層輸出 yo0(k)計算

由 yio(k)和f得到 yo0(k)。

其中，f為輸出層各神經(jīng)元的激活函數(shù)，采用了S函數(shù)型，h=1，2，3…p，o=1，2，3…q。

6）誤差計算

誤差e的來源主要是由于網(wǎng)絡(luò)的輸出和實際的結(jié)果數(shù)據(jù)存在差異，可由網(wǎng)絡(luò)實際的輸出yo0()k與期望的輸出d0(k)得到。

其中，o=1，2，3…q。

7）權(quán)值更新

將6）中得到的輸出誤差e沿網(wǎng)絡(luò)的逆向傳送給各層的所有神經(jīng)元來獲得它們各自的誤差并以此修正權(quán)值wih和who。

其中，η為學(xué)習(xí)速率，o=1，2，3…q，i=1，2，3…n，h=1，2，3…p。

8）閾值更新

由6）中得到的網(wǎng)路輸出誤差e來更新閾值bh和bo。

其中，η為學(xué)習(xí)速率，o=1，2，3…q。

9）學(xué)習(xí)次數(shù)更新。將學(xué)習(xí)次數(shù)增加一次并且與預(yù)設(shè)的最大次數(shù)進(jìn)行比較。

10）判斷誤差是否達(dá)到要求，如果達(dá)到，則整個過程結(jié)束，否則轉(zhuǎn)到2）繼續(xù)下一輪的學(xué)習(xí)。

2.2.3 實際輸入值的歸一化處理

為了便于網(wǎng)絡(luò)更好地訓(xùn)練數(shù)量級不同的樣本數(shù)據(jù)，在此需對網(wǎng)絡(luò)的原始數(shù)據(jù)做歸一化處理以便能更好地對網(wǎng)絡(luò)進(jìn)行訓(xùn)練［17］。然而由于輸出層與中間層各神經(jīng)元的激勵函數(shù)為S函數(shù)，所以它的輸出值在0到1之間，因此需將實際輸入的樣本值也歸一化到0到1之間。又因為0和1是Sigmoid函數(shù)輸出值的最小值和最大值，所以不適合作為輸入值來使用，因此將實際輸入的樣本值歸一化到0.1到0.9之間較合適，可通過以下公式對數(shù)據(jù)經(jīng)行處理。

其中，g(x)為歸一化后的樣本值，x為實際輸入的樣本值，xmax和xmin分別為實際輸入的樣本值的最大值和最小值。

3 地質(zhì)災(zāi)害易發(fā)分析及評價指標(biāo)體系

3.1 嵐皋縣地質(zhì)災(zāi)害易發(fā)分析

大量的研究表明［18］，導(dǎo)致地質(zhì)災(zāi)害發(fā)生的要素是多樣的既包含內(nèi)在的也包含外在的。就內(nèi)在的要素而言，它們基本都是與地質(zhì)環(huán)境相關(guān)的，比如：地形地貌、地面坡度等，而外在的要素大多與氣候和人類有關(guān)，有降雨量、人類改造自然的活動等。嵐皋縣由于地理環(huán)境復(fù)雜多變，在縣城地帶有一小區(qū)域的河谷階地外，大多是山地且山較高，坡形較陡峭，易滑地層較廣，又由于該地的氣候比較特殊，降水較豐沛特別是在每年的6、7、8和9月份持續(xù)的降雨使得山坡的巖土體軟化在重力的作用下導(dǎo)致滑坡災(zāi)害的發(fā)生，在較深的山谷中則會發(fā)生泥石流等災(zāi)害。通過長期的觀察和分析發(fā)現(xiàn)當(dāng)?shù)氐刭|(zhì)災(zāi)害發(fā)生的最直接的原因為外在的降雨因素。

3.2 評價指標(biāo)體系

地質(zhì)災(zāi)害的發(fā)生是由多種因素綜合而形成的，要對地質(zhì)災(zāi)害的發(fā)生情況進(jìn)行評價，就得了解形成這些地質(zhì)災(zāi)害的每一個細(xì)小因子。這些因子主要包含有地質(zhì)環(huán)境、氣象信息等，將它們進(jìn)行結(jié)合建立評價指標(biāo)體系用于地質(zhì)災(zāi)害的發(fā)生可能性大小的評價。

根據(jù)《國土資源部與中國氣象局關(guān)于聯(lián)合開展地質(zhì)災(zāi)害氣象預(yù)警工作協(xié)議》的規(guī)定，地質(zhì)災(zāi)害氣象預(yù)報預(yù)警級別分為五個級別，如表1所示。

表1 地質(zhì)災(zāi)害氣象預(yù)報預(yù)警等級劃分表

根據(jù)評價區(qū)的地質(zhì)環(huán)境因素分析獲得該地區(qū)地質(zhì)災(zāi)害危險性概率和從氣象部門獲得的該地未來二十四小時降雨量信息并結(jié)合前期的實際降雨量，利用地質(zhì)災(zāi)害預(yù)警的BP神經(jīng)網(wǎng)絡(luò)細(xì)網(wǎng)格模型來對評價區(qū)地質(zhì)災(zāi)害發(fā)生的等級進(jìn)行預(yù)測，經(jīng)專家會商后確定最終災(zāi)害等級并運用GIS技術(shù)以及通信設(shè)備進(jìn)行詳細(xì)的預(yù)警信息發(fā)布［19］。

4 嵐皋縣地質(zhì)災(zāi)害細(xì)網(wǎng)格預(yù)警模型的建立和應(yīng)用

4.1 嵐皋縣地質(zhì)災(zāi)害概況

根據(jù)《嵐皋縣2017年地質(zhì)災(zāi)害防治方案》截至2016年12月，全縣共有地質(zhì)災(zāi)害隱患點271處，直接威脅人口5255人，地質(zhì)災(zāi)害類型以滑坡為主，達(dá)到244處，占地質(zhì)災(zāi)害隱患點總數(shù)90.04%；其次為泥石流，共24處，占地質(zhì)災(zāi)害隱患點總數(shù)8.85%；崩塌3處，占地質(zhì)災(zāi)害隱患點總數(shù)1.11%，如圖2，3所示。

圖2 嵐皋縣各種地質(zhì)災(zāi)害比例圖

圖3 嵐皋縣各種地質(zhì)災(zāi)害數(shù)量

嵐皋縣12個鎮(zhèn)基本都存在不同程度的地質(zhì)災(zāi)害，但是由于嵐河、大道河以及橫溪河等的影響使得城關(guān)鎮(zhèn)、民主鎮(zhèn)、佐龍鎮(zhèn)、石門鎮(zhèn)災(zāi)情較嚴(yán)重，總計有災(zāi)害點130個占總量的47.97%，威脅人口2753人占總量的52.39%。

雖然缺少更詳細(xì)更全面的地質(zhì)災(zāi)害調(diào)查數(shù)據(jù)，但就目前所擁有的數(shù)據(jù)可基本反映嵐皋縣地質(zhì)災(zāi)害分布規(guī)律，也可作為地質(zhì)災(zāi)害預(yù)警區(qū)域的劃分以及地質(zhì)災(zāi)害模型建立的參考。

4.2 嵐皋縣地質(zhì)災(zāi)害預(yù)警模型的建立

4.2.1 評價因子的選取

對地質(zhì)災(zāi)害評價因子的選取也就是對影響地質(zhì)災(zāi)害因素的確定，它應(yīng)具有全面性和準(zhǔn)確性。但是在具體的應(yīng)用時評價因子過多或者過于全面反而不能夠有效地做出評價，所以應(yīng)根據(jù)具體實際情況進(jìn)行合理的選取。根據(jù)影響嵐皋縣地質(zhì)災(zāi)害發(fā)生的實際情況，選取地形地貌，地層巖性，地形坡度，降雨作為評價指標(biāo)并運用GIS技術(shù)將嵐皋縣地質(zhì)圖剖分成368個2.5（km）*2.5（km）的網(wǎng)格，然后計算每個網(wǎng)格致災(zāi)因素發(fā)生地質(zhì)災(zāi)害的概率以及它們的綜合疊加所對應(yīng)的危險性等級，最后結(jié)合降雨等級建立地質(zhì)災(zāi)害預(yù)警模型。

4.2.2 危險性等級與降雨等級的劃分

劃分危險性等級需分別計算每個網(wǎng)格地形地貌，地層巖性，地形坡度危險性的概率，具體過程如下［20］：

1）地形地貌危險性概率

其中，F(xiàn)地為某個網(wǎng)格地形地貌危險性概率，f高、f中、f低、f河谷分別為高山、中山、低山、河谷階地地質(zhì)災(zāi)害發(fā)生的概率值，x1、x2、x3、x4分別為高山、中山、低山、河谷階地在某個網(wǎng)格內(nèi)所占的面積。

2）地層巖性危險性概率

其中，F(xiàn)巖為某個網(wǎng)格地層巖性危險性概率，f碳酸巖、f漿巖、f變質(zhì)巖、f土分別為中厚層堅硬鹽酸巖類、塊狀堅硬巖漿巖類、片狀軟弱淺變質(zhì)巖類、粘性土及碎石土類地質(zhì)災(zāi)害發(fā)生的概率值，x1、x2、x3、x4分別為這四種地層巖性在某個網(wǎng)格內(nèi)所占的面積。

3）地形坡度危險性概率

其中，F(xiàn)坡為某個網(wǎng)格地形坡度危險性概率，f1、f2、f3分別為坡度小于10°，10°～25°之間，大于25°的坡型地質(zhì)災(zāi)害發(fā)生的概率值，x1、x2、x3分別為坡度小于10°，10°～25°之間，大于25°的坡型在某個網(wǎng)格內(nèi)所占的面積。

將這三種因素的危險性概率綜合疊加后，就得到了某個網(wǎng)格內(nèi)地質(zhì)災(zāi)害危險性的概率，即：

其中，p為某個網(wǎng)格內(nèi)地質(zhì)災(zāi)害危險性的概率，N為某個網(wǎng)格內(nèi)已發(fā)生地質(zhì)災(zāi)害的災(zāi)害點個數(shù)。根據(jù)疊加的結(jié)果，分析總結(jié)出危險性概率和危險性等級的關(guān)系表，如表2所示。

表2 危險性概率與等級對應(yīng)關(guān)系表

對嵐皋縣近20年的降雨量和地質(zhì)災(zāi)害事件進(jìn)行綜合分析和總結(jié)，初步制定出地質(zhì)災(zāi)害預(yù)警降雨量臨界值表，如表3所示。

表3 降雨量臨界值表

4.2.3 地質(zhì)災(zāi)害預(yù)警模型建立

分別提取出每個網(wǎng)格的危險性等級，降雨等級和災(zāi)害等級，將危險性等級和降雨等級作為BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練的輸入樣本數(shù)據(jù)，災(zāi)害等級作為輸出樣本數(shù)據(jù)，為了使網(wǎng)絡(luò)訓(xùn)練結(jié)果更加良好，對相關(guān)的數(shù)據(jù)進(jìn)行處理使其介于［0.1，0.9］之間，對原始的輸出樣本數(shù)據(jù)處理結(jié)果如表4所示。

表4 災(zāi)害等級處理表

網(wǎng)絡(luò)的輸入層與危險性等級和降雨等級所對應(yīng)，即輸入層元素的數(shù)目為2，輸出層與災(zāi)害等級對應(yīng)，即輸出層元素的數(shù)目為5，經(jīng)過對網(wǎng)絡(luò)多次的測試，當(dāng)中間層元素的個數(shù)為5時輸出結(jié)果最接近實際并且網(wǎng)絡(luò)收斂速度最快，所以創(chuàng)建結(jié)構(gòu)為2-5-5的神經(jīng)網(wǎng)絡(luò)模型，如圖4所示。

圖4 地質(zhì)災(zāi)害預(yù)警神經(jīng)網(wǎng)絡(luò)模型

根據(jù)嵐皋縣368個網(wǎng)格地質(zhì)災(zāi)害原始樣本數(shù)據(jù)（圖9，每個網(wǎng)格20條數(shù)據(jù)）并結(jié)合GIS技術(shù)，得到嵐皋縣地質(zhì)災(zāi)害危險性分區(qū)圖，該縣地質(zhì)危險性程度主要被分為三種，即低危險、中危險和高危險，如圖5所示。

圖5 嵐皋縣地質(zhì)災(zāi)害危險性分區(qū)

根據(jù)網(wǎng)格訓(xùn)練數(shù)據(jù)的處理原則，把從圖9和圖5得到原始樣本數(shù)據(jù)進(jìn)行歸一化處理，得到BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練樣本數(shù)據(jù)，如圖8所示。然后利用java調(diào)用神經(jīng)網(wǎng)絡(luò)組件，將各個網(wǎng)格的訓(xùn)練樣本數(shù)據(jù)都進(jìn)行10000次的訓(xùn)練，并把得到的每個網(wǎng)格的權(quán)值矩陣存入數(shù)據(jù)庫，同時對每個網(wǎng)格每次訓(xùn)練后得到的權(quán)值矩陣進(jìn)行正確率測試，所有網(wǎng)格測試正確率的平均結(jié)果，如圖6所示。

圖6 BP神經(jīng)網(wǎng)絡(luò)模型訓(xùn)練正確率測試圖

從圖6中可以看出隨著訓(xùn)練次數(shù)的增加，網(wǎng)格權(quán)值矩陣預(yù)測的正確率整體趨于上升。一般認(rèn)為訓(xùn)練次數(shù)達(dá)到最大時，正確率能大于90%則可認(rèn)為該網(wǎng)絡(luò)的輸出結(jié)果比較精確可以用來進(jìn)行預(yù)測。

將2010年7月嵐皋縣大道河鎮(zhèn)地質(zhì)災(zāi)害樣本數(shù)據(jù)（圖10）作為研究對象，取出網(wǎng)格危險性等級和預(yù)報降雨等級，并從數(shù)據(jù)庫中讀出該網(wǎng)格所對應(yīng)的權(quán)值矩陣，調(diào)用神經(jīng)網(wǎng)絡(luò)組件進(jìn)行網(wǎng)格地質(zhì)災(zāi)害等級預(yù)測，然后對嵐皋縣大道河鎮(zhèn)每個網(wǎng)格都得到一個預(yù)測結(jié)果，最后經(jīng)分析得到了該地區(qū)的地質(zhì)災(zāi)害預(yù)報等級為（0，0，0.0039，0.9961，0），與實際的災(zāi)害等級（0，0，0，1，0）非常的接近，并且可認(rèn)為0.0039接近于0，0.9961接近于1，預(yù)測結(jié)果為四級與實際比較相符。

圖7 嵐皋縣大道河鎮(zhèn)地質(zhì)災(zāi)害預(yù)警區(qū)劃圖

圖8 BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練樣本數(shù)據(jù)

圖9 嵐皋縣368個網(wǎng)格地質(zhì)災(zāi)害原始樣本數(shù)據(jù)

圖10 2010年7月嵐皋縣大道河鎮(zhèn)地質(zhì)災(zāi)害樣本數(shù)據(jù)及預(yù)測結(jié)果

對最終的預(yù)測進(jìn)行分析處理，結(jié)合GIS與java技術(shù)生成對應(yīng)的地質(zhì)災(zāi)害預(yù)警區(qū)劃圖（圖7）和預(yù)警信息并在系統(tǒng)的首頁進(jìn)行展示，最后通過通信基站將預(yù)警信息發(fā)送達(dá)到預(yù)警的效果。

5 結(jié)語

根據(jù)陜西省嵐皋縣地質(zhì)災(zāi)害數(shù)據(jù)，建立了嵐皋縣地質(zhì)災(zāi)害預(yù)警的BP神經(jīng)網(wǎng)絡(luò)細(xì)網(wǎng)格模型，并對2010年7月嵐皋縣大道河鎮(zhèn)的地質(zhì)災(zāi)害進(jìn)行了驗證，預(yù)測的結(jié)果與真實情況比較相符，在一定程度上能夠說明利用該方法進(jìn)行地質(zhì)災(zāi)害預(yù)測是較為可行的。利用BP神經(jīng)網(wǎng)絡(luò)的自學(xué)習(xí)、自適應(yīng)、聯(lián)想以及善于從大量數(shù)據(jù)中分析提取宏觀統(tǒng)計規(guī)律的特點并結(jié)合GIS強(qiáng)大的空間信息分析能力，來對地質(zhì)災(zāi)害進(jìn)行預(yù)警分析是一種科學(xué)的嘗試，也具有廣泛的應(yīng)用前景。