逻辑回归和人工神经网络模型在滑坡灾害空间预测中的应用

Vol.37No.5Sep.2010水文地质工程地质

HYDROGEOLOGY＆ENGINEERINGGEOLOGY第37卷第5期

2010年9月

逻辑回归和人工神经网络模型在滑坡灾害

空间预测中的应用

刘艺梁，殷坤龙，刘

斌

430074）

（中国地质大学（武汉）工程学院，武汉

摘要：以三峡坝区到巴东段为研究区，选择坡度、坡向、软弱夹层、水系影响范围和土地利用状况等9项评价指标，分别采用逻辑回归和人工神经网络（ANN）模型，在ArcGIS平台上进行滑坡灾害危险性预测。此外，应用受试者工作特征曲线（receiveroperatingcharacteristiccurve，ROC曲线）分析方法对两种模型的预测结果进行对比，分析结果表明滑坡危险逻辑回归模型和ANN模型的ROC曲线下面积AUC值分别为0.806和性预测区划图和实际的滑坡发育情况基本吻合，

0.799，两种模型的预测结果可以相互验证，且逻辑回归模型的预测精度相对较高。关键词：三峡库区；Logistic回归；人工神经网络；GIS；ROC曲线中图分类号：P642.22

文献标识码：A

3665（2010）05-0092-05文章编号：1000-

滑坡灾害是我国山区最重要的自然灾害之一，据国土资源部290个县市地质灾害调查结果显示，滑坡

［1］

在地质灾害点中所占比例最大达51%。因此，加强

灾害进行空间预测，然后将这两种模型的预测值在ArcGIS中转为栅格文件，得到研究区的滑坡危险性预测区划图，最后运用ROC曲线分析方法对两种模型的预测结果进行了定量分析。

滑坡危险性评估研究、进行滑坡灾害的危险性区划制提高滑坡灾害的预防能力具有重要图对于减灾防灾、的基础意义。

在过去的二十年里，经验模型、信息模型、统计预模式识别模型（专家系统、神经网络法）等在测模型、

滑坡灾害评估研究得到了广泛的应用。刘传正、毕华兴荣

［2～3］

1研究区背景

研究区横跨秭归和巴东两县。秭归县位于鄂西褶

地势西南高东北低，平均海拔1000m以上，相皱山地，

对高差一般在500～1300m之间，多年平均降水量1493.2mm。巴东县位于湖北省西部，地处长江三峡中段西陵峡与神农溪口之间的过渡地带，山地高程85～550m，属中低山峡谷区，多年平均降水量1100.7mm。

秭归县地层发育齐全，自元古界至第四系均有出EW、NE向断裂为主；露，构造形迹主要以NNE—SN、巴东县出露地层主要有三叠系下统嘉陵江组（T1j）、中统巴东组（T2b）及第四系（Q），构造形迹以EW向的褶NW、NE向断裂为主。断裂和SN、皱、

研究区内秭归县共有732处地质灾害点或地质灾害隐患点，灾害类型以滑坡、崩塌为主；巴东县库岸变形破坏以滑坡为主（142个），占库岸灾害总数（196个）的72.4%，体积占总方量的93.2%。研究区沿江主要滑坡灾害分布见图1。

等将数量化理论与地理信息系统紧密结合，对

区域滑坡进行了空间预测和危险等级划分。张桂

［4］

等采用半定量和定量两种方法对区域滑坡进行

了预测，并通过两种方法的预测结果，对比分析了滑坡的形成和各影响因素的关系，进行了定性的描述分析。吴益平

［5］

等将信息量模型、信息－物元模型、信息－

神经网络模型应用于滑坡危险性预测中，并对3种模指出了每种模型的优型的预测结果进行了对比分析，

劣，但没有对模型的预测结果进行定量分析。

本文结合三峡坝区到巴东段的滑坡发生特征，从ArcGIS空间数据库中选取9项评价指标，采用逻辑回归模型和人工神经网络模型（ANN）对研究区的滑坡

11-26；修订日期：2010-02-01收稿日期：2009-基金项目：国家自然科学基金资助项目（40872176）

作者简介：刘艺梁（1985-），男，硕士研究生，主要从事地质灾害

预测预报方面的研究。E-mail：liuyiliangcug@

2数据

基于栅格数据应用逻辑回归模型和人工神经网络

模型进行滑坡灾害空间预测分析时，将研究区划分为70908个栅格，比例尺为1∶5万，栅格像素选取的规格

为100m×100m。根据长江三峡坝区到巴东段滑坡发生的实际情况，考虑的预测因素有坡度、坡向、山脊山谷、岩性、坡体结构、软弱夹层、断层影响范围、水系影响范围、土地利用，这些预测因素是通过ArcGIS9.3中的ARC/INFO进行空间数据库的计算或提取完成的。栅格数据的其它来源主要有DEM数据和矢量数据。

从DEM数据可以转化取得如坡度、坡向、高程、山影等地形地貌数据。而根据其作用已经分区的矢量数据，如岩性、岩体结构、植被、土地利用等，可以直接根据属性转化为栅格数据；其它矢量数据例如断层、褶皱、水系等，需要Buffer（缓冲）处理等空间处理后才能确定然后才能转为栅格数据

。其影响范围，

图1Fig.1

研究区沿江主要滑坡灾害分布图

Studyarea’smainlandslidelocationmap

3逻辑回归分析模型

逻辑回归分析主要是在一个因变量和多个自变量

坡取1，否则取0；

Pi———第i号单元内滑坡发生概率的回归预测

2，…，n）。值（i=1，

逻辑回归分析最重要的是将变量转换为二进制数据。本文对于连续型变量的数据（坡度、坡向、坡体结断层影响范围、水系影响范围），从ArcGIS中读取构、

相应的数据，绘制连续型变量的频率分布直方图，然后根据直方图的频率分布，选取几个突变点将连续型变量分为几个区间，如果滑坡存在于这个区间，就取值1，否则取0。而离散型的分类数据（山谷山脊、岩性、软弱夹层、土地利用）则根据分类数据以二进制表示，即存在取1，否则取0。逻辑回归分析中考虑26个连续变量和15个离散变量，总共41个独立的变量，因素状态见表1。然后在SPSS15.0中计算预测因素不同状态的回归系数，接着将逻辑回归方程代入Matlab7.0编制的程序，得到整个研究区滑坡发生的概率值，最后将每个栅格单元的概率值在ArcGIS中转化为栅格文件，根据自然断点法，生成滑坡危险性预测区划图（图2）。由图2可知，滑坡灾害危险性预测区划图和实际的滑坡灾害分布图基本一致。

从而预测任何一块区域某一之间形成多元回归关系，

事件的发生概率。逻辑回归的优势在于进行统计分析自变量可以是连续的，也可以是离散的，也没有必时，

要满足正态分布。而一般的多元统计分析模型中，变量必须满足正态分布。

在逻辑回归分析中，因变量Y是一个二分类变量，其取值Y=1和Y=0，分别代表发生过滑坡和未发生X2，…，滑坡。影响Y取值的n个自变量分别为X1，Xn，在n个自变量作用下滑坡发生的条件概率为P=P（Y=1|X1，X2，…，Xn），则logistic回归模型可表示为：

zi=a0+a1Xi1+a2Xi2+…+anXin

Pi=

1

1+exp（－zi）

（1）（2）

——中间变量参数；式中：zi—

a0———回归常数；

ai———第j个变量的回归系数（i，j=1，2，…，n）；Xij———第i号单元中第j个变量的取值，存在滑

图2

Fig.2表1Table1

逻辑回归模型滑坡危险性预测区划图

Landslidehazardzoningmapproducedwiththelogisticregressionmodel

因素状态表Factorstate

容易陷入局部最小值。为了提高训练速率和神经网络模型的稳定性，许多学者都认为方法的改进关键在于动量系数和学习率的选取

［6～7］

。因此，动量系数和学

习率的选取在BP神经网络算法的改进上是非常重要文中动量系数取0.9，学习率取的。根据训练调试，0.05。

神经网络结构确定的关键是隐含层层数和隐含层隐含层数目的增加可以提高神经元个数。实践表明，

BP网络的非线性映射能力，但是隐含层超过一定值，网络性能反而会降低。而单隐层的BP网络可以逼近一个任意的连续非线性函数。因此，这里采用单隐层隐含层的神经元个数直接影响着网络的的BP网络，

非线性能力。考虑到输入层和输出层的数目以及训练数据的数目，根据科尔莫哥洛夫（Kolmogorov）定理，采

［8］

“9－19－1”的神经网络结构。取

最后，采用Matlab7.0来训练、测试神经网络模

［9］

训练函数选用traingdm，传递函数选用tansig。型，

BP神经网络的性能函数采用mse，以保证达到最小的均方误差值（MSE）。本文的神经网络模型中的训练和测试数据最后的MSE值分别为0.00208和0.0217.待神经网络的训练目标达到后，将整个研究区的数据代入神经网络模型来评价研究区的稳定性。然后将得到的每个单元的预测值在ArcGIS中转为栅格文件，根据自然断点法，生成滑坡危险性预测区划图（图3）。由图3可知，滑坡灾害危险性预测区划图和实际的滑坡灾害分布图基本一致。

4人工神经网络分析模型

人工神经网络模型是在对人类大脑神经系统及功

能的模仿的基础上建立的推理模型，具有很强的非线其中应用最广泛的是误差反向传播网络性映射能力，即BP神经网络。

传统的BP算法在训练过程速度比较缓慢，而且

图3

Fig.3

人工神经网络模型滑坡危险性预测区划图

Landslidehazardzoningmapproducedwiththeartificialneuralnetworkmodel

5ROC曲线分析

受试者工作特征曲线（receiveroperatingchar-

acteristiccurve，ROC曲线）分析方法最初是应用于雷达信号接收能力的评价，后广泛应用于医学诊断试验性能的评价

［10］

。

ROC曲线是以预测结果的每一个值作为可能的由此计算得到相应的灵敏度和特异度，以假判断阈值，

以真阳性率即灵敏阳性率即（1－特异度）为横坐标，

度为纵坐标绘制而成。ROC曲线下的面积即为AUC值（areaundercurve）。AUC是很好的衡量模型预测准0.5，1］，确度的指标，其取值范围为［值越大表示模型判断力越强。理想情况是模型预测分布区与滑坡实际分布区完全吻合，此时AUC值为1。文中假阳性率即未发生滑坡单元被正确预测的比例，真阳性率即滑坡单元被正确预测的比例。

将两个模型最后的预测值和相应的诊断值导入到SPSS15.0中进行ROC分析，得到两个模型的ROC曲线和AUC值（图4）。其中逻辑回归模型和人工神经网络模型的AUC值分别为0.806和0.799，说明这两个模型的预测结果可以相互验证。但逻辑回归模型在较高危险和高危险区域的预测结果比ANN模型要准分析主要有以下三方面原因：（1）初始权重是随机确，

分配的；（2）变量大部分是根据经验选择，而且数据不够完备，有些数据只能以区间来分类；（3）在学习训练的过程中，执行时间过长，造成数据的过度拟合。这是需要进一步研究和改进的

。

图4Fig.4

逻辑回归和人工神经网络模型的ROC曲线ROCcurveofthelogisticregressionmodelandtheartificialneuralnetworkmodel

6结论及建议

（1）以三峡坝区到巴东段为研究区，选择坡度、坡

向、软弱夹层、水系影响范围和土地利用状况等9项评分别采用逻辑回归和人工神经网络模型，在价指标，

ArcGIS平台上进行滑坡灾害危险性预测，结果表明滑坡灾害危险性预测区划图和实际的滑坡灾害分布图基本一致。

（2）运用ROC曲线分析法对这两种模型进行评价，结果表明这两个模型的预测结果可以相互验证，逻辑回归模型在较高危险和高危险区域的预测结果比ANN模型要准确。但这并不能说明逻辑回归模型在其它地质环境下的预测效果也比ANN模型好，还有待在其他实例中进行验证。

（3）在对滑坡灾害进行空间预测的过程中，空间数据的管理和输入数据的修改很不方便。因此，为了提高预测模型的运行效率，及时修改相关输入数据，加强空间数据的分析功能，将GIS和空间预测模型集成对GIS进行二次开发很有必要。

致谢：文中滑坡各项调查及地质数据均来源于三峡库区地质灾害防治工作指挥部，在此表示衷心的感谢！

［4］张桂荣，殷坤龙.区域滑坡空间预测方法研究及结

.岩石力学与工程学报，2005，24（23）：果分析［J］4297－4302.

［5］吴益平，殷坤龙，陈丽霞.滑坡空间预测数学模型的

.地质科技情报，2007，26（6）：95对比及其应用［J］－100.

［6］范磊，张运陶，程正军.基于MATLAB的改进BP神

J］.西华师范大学学报：自然科学经网络及其应用［2005，26（1）：70－74.版，

［7］陈桦，程云艳.BP神经网络算法的改进及在Matlab

.陕西科技大学学报，2004，22（2）：45中的实现［J］－47.

［8］葛哲学，孙志强.神经网络理论与MATLABR2007

.北京：电子工业出版社，2007.实现［M］

［9］夏金梧，李长安，王旭.基于神经网络理论的三峡水

.水文地质工程地质，库诱发地震预测研究［J］2007，34（5）：17－20.

［10］王运生，谢丙炎，万方浩，等.ROC曲线分析在评价

.生物多样性，入侵物种分布模型中的应用［J］2007，15（4）：365－372.

参考文献：

［1］李媛，孟晖，董颖，胡树娥.中国地质灾害类型及其

.中特征：基于全国县市地质灾害调查成果分析［J］2004，15（2）：29－34.国地质灾害与防治学报，

［2］刘传正，李铁锋，温铭生，等.三峡库区地质灾害空

.水文地质工程地质，2004，31间评价预警研究［J］（4）：9－19.

［3］毕华兴，中北理，阿部和时.GIS支持下的滑坡空间

.自然灾害学报，2004，13预测与危险等级划分［J］（3）：50－57.

Applicationoflogisticregressionandartificialneuralnetworksinspatialassessmentoflandslidehazards

LIUYi-liang，YINKun-long，LIUBin

（EngineeringFaculty，ChinaUniversityofGeosciences，Wuhan

430074，China）

Abstract：Themainpurposeofthisstudyistoanalyzeandcomparetheresultsofspatialassessmentoflandslidehazardsbymeansoflogisticregressionanalysis，back－propagationartificialneuralnetwork（ANN）throughtheuseofgeographicinformationsystem（GIS）techniques.AregionfromtheThreeGorgesDamtotheBadongTown，whichsufferedfromdeformationformanyyears，wasselectedastheapplicationsiteofthisstudy.Firstly，nineevaluationfactorswereselected，includingtopographicslope，topographicaspect，softinterlayer，watersysteminfluencearea，landuse，andsoon.Then，thispaperhighlightedthediscrepanciesbetweenalogisticregressionmodelandanANNmodel，madealandslidesusceptibilitymap，andevaluatedtheperformanceofthesetwomodelsbyROCcurveanalysis.Finally，basedontheaboveanalyses，satisfactoryagreementwasobtainedbetweenthesusceptibilitymapandtheexistingdataonlandslidelocation.Theareaundercurve（AUC）valuesofthelogisticregressionandtheANNmodelare0.806and0.799.Accuraciesofthesetwomodelscanbeevaluatedrelativelysimilarly.

Keywords：ThreeGorgesDam；logisticregression；artificialneuralnetwork；GIS；ROCcurve

责任编辑：汪美华

本文来源：https://www.bwwdw.com/article/dk8e.html