楊斌

摘要：在應(yīng)用現(xiàn)有的OPTICS-PLUS聚類算法于滑坡危險(xiǎn)性預(yù)測的過程中，降雨等不確定因素直接影響了計(jì)算結(jié)果的準(zhǔn)確性。為了整體提升滑坡危險(xiǎn)性預(yù)測的準(zhǔn)確率，文章提出了基于OPTICS-PLUS算法的一種不確定NNSB-OPTICS聚類算法。前期對OPTICS-PLUS聚類算法進(jìn)行計(jì)算方式優(yōu)化，總體提高計(jì)算過程的效率;中期依據(jù)云模型理論和EW型距離公式，與降雨量數(shù)據(jù)的分布進(jìn)行結(jié)合，導(dǎo)出EH型距離公式，提高不確定數(shù)據(jù)的準(zhǔn)確率。后期通過仿真實(shí)驗(yàn)以及對延安市某區(qū)滑坡危險(xiǎn)性預(yù)測的實(shí)際應(yīng)用結(jié)果（滑坡預(yù)測精度達(dá)到89.8%），證明了該不確定NNSB-OPTICS聚類算法的精準(zhǔn)度，具有較高的實(shí)際應(yīng)用價(jià)值和可行性。

關(guān)鍵詞：滑坡危險(xiǎn)性預(yù)測;不確定數(shù)據(jù)處理：NNSB-OPTICS聚類算法

中圖分類號(hào)：P642.2

文獻(xiàn)標(biāo)識(shí)碼：A

文章編號(hào)：1001-5922（2020）12-0045-04

0 引言

山體滑坡是發(fā)生頻次最高、分布范圍最為廣的地質(zhì)災(zāi)害之一，給我國居民的生產(chǎn)生活帶來不便，嚴(yán)重阻礙了國民經(jīng)濟(jì)發(fā)展[1]?；挛ｋU(xiǎn)性預(yù)測受到了具有復(fù)雜性和不確定性數(shù)據(jù)（山坡結(jié)構(gòu)、降雨量、地形地貌等）的影響，給計(jì)算工作帶來了障礙。OPTICS-PLUS聚類算法是一種基于密度的聚類算法，但其計(jì)算過程耗時(shí)長，且難以避免密度臨界值的不精準(zhǔn)性和計(jì)算者的主觀性，所以在大規(guī)模滑坡數(shù)據(jù)處理方面還存在不足。本文依據(jù)OPTICS-PLUS聚類算法對滑坡危險(xiǎn)性預(yù)測數(shù)據(jù)的計(jì)算進(jìn)行了優(yōu)化，衍生出一種專門應(yīng)用于地質(zhì)滑坡危險(xiǎn)性預(yù)測環(huán)節(jié)的不確定NNSB-OP-TICS算法[2-3]。

1 不確定NNSB-OPTICS聚類算法

1.1 NNSB-OPTICS聚類算法設(shè)計(jì)

NNSB-OPTICS聚類算法可將收集到的數(shù)據(jù)劃分為不同的數(shù)據(jù)隊(duì)列，免去了計(jì)算者人為劃分密集區(qū)和分散區(qū)的繁雜步驟，節(jié)約了在迭代擴(kuò)張過程對數(shù)據(jù)進(jìn)行排序和反復(fù)計(jì)算的時(shí)間成本，詳情如圖1所示。

NNSB- OPTICS算法優(yōu)化了oPTIcs算法與OP-TICS-PLUS算法的數(shù)據(jù)擴(kuò)張方式，在數(shù)據(jù)擴(kuò)張時(shí)，對已擴(kuò)張的數(shù)據(jù)進(jìn)行篩減，再根據(jù)GPNP指針進(jìn)行檢索，所以，NNSB-OPTICS算法提高了了數(shù)據(jù)運(yùn)算的效率。

1.2 不確定數(shù)據(jù)處理

降雨是造成山體滑坡的主要因素之一，但在滑坡危險(xiǎn)性預(yù)測過程中依舊無法對降雨量的取值范圍進(jìn)行精準(zhǔn)的劃分。NNSB-OPTICS聚類算法在較為分散的數(shù)據(jù)處理中應(yīng)用性較強(qiáng)，基于此，依據(jù)云模型理論和EW型距離公式，可得出EH型距離公式，對相鄰地區(qū)的降雨量a （a=1，2，3…）進(jìn)行不確定降雨量數(shù)據(jù)（xq）取值，以建立正態(tài)云模型數(shù)字特征[4]。期望E（x）和超熵He的運(yùn)算公式如下所示：

在公式（1）、（2）中q為云期望方程的平均數(shù);t為云期望曲線的方差;tmean為t的平均值。

將式（1）和式（2）導(dǎo)入EW型距離中，用He代替不確定數(shù)據(jù)的取值區(qū)間，可得出EH型距離公式，詳情如下：

當(dāng)He等于0時(shí)，可通過EH公式對距離進(jìn)行計(jì)算。He公式主要應(yīng)用于分散型數(shù)據(jù)集、不確定性數(shù)據(jù)集。

2 實(shí)驗(yàn)前期準(zhǔn)備

實(shí)驗(yàn)過程中的數(shù)據(jù)處理均在Windowsl0的操作計(jì)算機(jī)中運(yùn)行。數(shù)據(jù)庫平臺(tái)建立于Oracle Database12c，滑坡實(shí)驗(yàn)數(shù)據(jù)皆是從ArcCIS10.3軟件中取得[5]。

2.1仿真實(shí)驗(yàn)

在實(shí)際應(yīng)用前，為了證明不確定NNSB-OPTICS聚類算法的可行性，分別與基于密度的聚類算法的3種改進(jìn)法（OPTICS、OPTICS- PLUS、EOPTICS）在UCI數(shù)據(jù)集中進(jìn)行了對比實(shí)驗(yàn)。實(shí)驗(yàn)所采用的UCI數(shù)據(jù)集特性如表1所示，主要測試內(nèi)容為：聚類算法結(jié)果的準(zhǔn)確性、高效性、穩(wěn)定性。

主要采取Micro-Precision標(biāo)準(zhǔn)對實(shí)驗(yàn)結(jié)果進(jìn)行分析判定，計(jì)算公式如下：

W為數(shù)據(jù)集樣本總數(shù)，b為聚類數(shù)量，ch為聚類樣本數(shù)量。MP的取值范圍在[0，1]之間，取值數(shù)值越進(jìn)于l，聚類精準(zhǔn)度就越高。在仿真實(shí)驗(yàn)前通過OP-TICS-PLUS算法設(shè)定核心點(diǎn)數(shù)為GU和相鄰半徑點(diǎn)數(shù)集{GU- 0.15，GU， GU+ 0.15}，最后對核心點(diǎn)數(shù)和相鄰半徑點(diǎn)數(shù)集實(shí)行數(shù)據(jù)整合[6-7]。在集合中分別挑取10組參數(shù)，每組參數(shù)運(yùn)行10次，共計(jì)得到100次的實(shí)驗(yàn)運(yùn)算結(jié)果，選擇一個(gè)最小值，選定一個(gè)最大值，并對實(shí)驗(yàn)數(shù)據(jù)均值進(jìn)行計(jì)算，實(shí)驗(yàn)結(jié)果均值計(jì)算公式如下所示。D為重復(fù)的實(shí)驗(yàn)次數(shù)=10，OPTICS、EOPTICS、OPTICS-PLUS、NNSB-OPTICS四種算法的運(yùn)算時(shí)間以及數(shù)據(jù)結(jié)果對比如表2、3所示。

由表2可看出，4種運(yùn)算在UCI數(shù)據(jù)集的計(jì)算中，NNSB-OPTICS的平均數(shù)值計(jì)算結(jié)果相較其他3個(gè)算法更具精準(zhǔn)度。從最小值和最大值數(shù)據(jù)差的對比中可以看出，NNSB-OPTICS算法聚類結(jié)果穩(wěn)定性較好。

由表3可得知，相比OPTICS、EOPTICS、OP-TICS-PLUS這3種聚類算法，NNSB-OPTICS算法的運(yùn)算過程更為節(jié)約時(shí)間成本，同時(shí)可避免人為因素對計(jì)算結(jié)果的影響。

3 實(shí)驗(yàn)應(yīng)用

3.1實(shí)驗(yàn)數(shù)據(jù)來源及數(shù)據(jù)預(yù)處理

對延安市A區(qū)進(jìn)行滑坡危險(xiǎn)性預(yù)測研究，利用嵌入式GIS軟件，將實(shí)驗(yàn)地區(qū)劃分為5672900個(gè)等大網(wǎng)格單元（單個(gè)單元尺寸為：6mx6m），將5672900個(gè)單元網(wǎng)格導(dǎo)人1：5000的DEM中繪制專題圖，從而進(jìn)一步獲取實(shí)驗(yàn)地區(qū)坡向、坡高、坡度等數(shù)據(jù)[8-9]。參與實(shí)驗(yàn)的數(shù)據(jù)來源如下：

1）巖土結(jié)構(gòu)數(shù)據(jù)：采用遙感影像處理軟件（ER-DAS IMACINE）在1：10000的地質(zhì)圖中運(yùn)用Normal-ization差值計(jì)算法獲取。

2）降雨量數(shù)據(jù)：對已發(fā)生滑坡的地區(qū)前后14d降雨量進(jìn)行統(tǒng)計(jì)，對得到的原始數(shù)據(jù)首先進(jìn)行預(yù)處理;其次，刪除對滑坡影響可忽略不計(jì)的數(shù)值項(xiàng)，主要以坡度、坡高、坡向等8個(gè)屬性項(xiàng)最為本次實(shí)驗(yàn)聚類特征屬性;最后，通過數(shù)據(jù)預(yù)處理，得到數(shù)據(jù)屬性特征如表4所示。

3.2實(shí)驗(yàn)評估標(biāo)準(zhǔn)

Kappa系數(shù)可對實(shí)驗(yàn)結(jié)果進(jìn)行精準(zhǔn)率較高的評估，可具體反映出實(shí)驗(yàn)結(jié)果的優(yōu)勢。Kappa系數(shù)計(jì)算公式如下所示。

3.3 滑坡預(yù)測精度評價(jià)分析與比較

通過公式（1）、公式（2）、公式（3）對降雨量相似值進(jìn)行計(jì)算。在2種算法中，對降雨量用數(shù)值替代，采用Euclid Distance進(jìn)行相似度計(jì)算。最終按照NNSB-OPTICS算法（I）、不確定NNSB-OPTICS算法（Ⅱ）分類，得到表5所示的滑坡危險(xiǎn)性預(yù)測統(tǒng)計(jì)結(jié)果。

通過計(jì)算可知本文提出的不確定NNSB-OPTICS聚類算法計(jì)算結(jié)果的精準(zhǔn)率遠(yuǎn)高于NNSB-OPTICS聚類算法4.4%，說明此方法在滑坡預(yù)測中具有可行性。且不確定NNSB-OPTICS聚類算法的Kappa系數(shù)更接近于1，表明在針對滑坡危險(xiǎn)性預(yù)測環(huán)節(jié)進(jìn)行同一數(shù)據(jù)集進(jìn)行處理時(shí)，利用不確定NNSB-OPTICS聚類算法所得到的滑坡預(yù)測結(jié)果與利用NNSB-OPTICS聚類算法所得結(jié)果相比，與實(shí)際值的差異更小[10]。原因在于，在建立不確定NNSB-OPTICS滑坡預(yù)測模型時(shí)，與EH型距離公式進(jìn)行了充分結(jié)合，針對不確定降雨量也刻畫了更為精準(zhǔn)的的分布范圍，整體提高了對延安市A區(qū)滑坡危險(xiǎn)性預(yù)測的精準(zhǔn)率。

4 結(jié)語

綜上所述，根據(jù)OPTICS-PLUS算法，結(jié)合EW型距離公式和云模型理論提出EH型距離公式，解決了地區(qū)降雨量分布不能實(shí)時(shí)刻畫的難點(diǎn)。本文所得結(jié)論表明，不確定NNSB-OPTICS聚類算法計(jì)算結(jié)果的精準(zhǔn)率遠(yuǎn)高于NNSB-OPTICS聚類算法4.4%，具有明顯更加精準(zhǔn)的計(jì)算結(jié)果;同時(shí)，利用不確定NNSB-OP-TICS聚類算法計(jì)算結(jié)果與實(shí)際值差異更小，更加接近實(shí)際的滑坡危險(xiǎn)性數(shù)值。

參考文獻(xiàn)

[1]周琪，許強(qiáng)，周小棚，等.突發(fā)型滑坡危險(xiǎn)范圍預(yù)測方法研究——以黑方臺(tái)焦家6#滑坡為例[J].災(zāi)害學(xué)，2020，35（01）：216-221.

[2]吳博，趙法鎖，段釗，等.基于熵權(quán)的屬性識(shí)別模型在陜西土質(zhì)滑坡危險(xiǎn)度評價(jià)中的應(yīng)用[J].災(zāi)害學(xué)，2018，33（01）：140-145.

[3]繆亞敏，朱阿興，楊琳，滑坡危險(xiǎn)度制圖精度評價(jià)指標(biāo)的有效性研究[J].自然災(zāi)害學(xué)報(bào)，2017，26（02）：115-122.

[4]賈玉躍，高毓山，礦山開采誘發(fā)邊坡形變規(guī)律分析及控制對策[J].金屬礦山，2017（ 06）：156-159.

[5]繆亞敏，朱阿興，楊琳，等，滑坡危險(xiǎn)度制圖中一種新型的負(fù)樣本采樣方法[J].地理與地理信息科學(xué)，2016，32（04）：61-67+127.

[6]繆亞敏，朱阿興，楊琳，等，滑坡危險(xiǎn)度評價(jià)對BCS負(fù)樣本采樣的敏感性[J].山地學(xué)報(bào)，2016，34 （04）：432-441.

[7]繆亞敏，朱阿興，楊琳，等，一種基于地理環(huán)境相似度的滑坡負(fù)樣本可信度度量方法[J].地理科學(xué)進(jìn)展，2016，35（07）：860-869.

[8]宋威，李宏，安全監(jiān)測在錦屏二級水電站滑坡體應(yīng)急救援與搶險(xiǎn)中的應(yīng)用[J].水利水電技術(shù)，2015，46（07）：26-27+31.

[9]陸盟，張潔，文思成，地震作用下滑坡水平運(yùn)動(dòng)距離概率預(yù)測模型[J].防災(zāi)減災(zāi)工程學(xué)報(bào)，2020，40（01）：92-99.

[10]李明波，陳平，陳植華，等，基于多模塊的松散土質(zhì)滑坡災(zāi)害綜合預(yù)警模型研究[J].西北師范大學(xué)學(xué)報(bào)（自然科學(xué)版），2020，56（02）：94-100.