泥石流危险性研究现状与发展趋势分析

级的输入, 并输出到下一级. 网络中没有反馈, 其结构包括输入层、隐含层以及输出层[ 16] .
( 3) 学习算法.
一个神经网络的拓扑结构确定后, 为了使
它具有某种智能特性, 还必须有相应的学习算
法与之配合. ( 4) 样本选取及其预处理.
样本选择的好坏对神经网络而言具有重要
的意义. 样本越有代表 性, 网络的 包容范围 越
神经网络特有自学习和联想记忆功能, 能够模 拟人脑思维的方式进行分析推理, 神经网络方
法能够在一定程度上克服资料占有的不足, 以
及经验方面的局限性, 从而对区域泥石流危险 度进行评价, 这与以往的数学分析方法有着本
质的区别. 主要过程可分为如下几个方面:
( 1) 模型选择.
神经网络是由大量神经元广泛互联而成的
关键词 泥石流灾害; 危险性; 评价方法; 探索 分类号 T U 4
1 问题的提出
泥石流是山区常见的一种自然灾害, 它是 由土、石等固体物与水相混合在重力作用下沿 陡峻沟坡运动的饱和流体, 具有爆发突然、历时 短暂、破坏力强等特点. 在世界范围内的山区都 发育、分布有泥石流, 每年在世界各地都会有大 量的泥石流灾害事件发生. 我国是一个多山的 国家, 山地、高原、丘陵占国土面积的 69% . 河 流纵横、沟谷广布, 在大气、地震及人类活动影 响下, 每年都发生大量山崩、滑坡、泥石流等山 地灾害. 我国直接受泥石流灾害威胁的县城有 70 座, 占我国 2 136 个县城的 3% . 1975~ 1984 年 10 年内全国 18 个省、市、区暴发泥石流造成 死亡 2 136 人, 毁田 4. 38 @ 104 公顷, 毁房18. 07 万间; 铁路中断 4 164 小时, 直接经济损失达 16 亿元. 1981 年全国 泥石流 受灾县 达 100 个 以 上. 近年来泥石流灾害不断发生, 在 2003 年 7 月 11 日 22 时四川甘孜州丹巴县发生的特大泥 石流灾害造成 51 人死亡, 并将大金川河阻断, 灾情严重, 对该地区的经济发展和旅游事业造
根据灾情评价时间, 分为灾前预评价、灾中 跟踪评价、灾后总结评价. 灾前预评价是对一个 地区或一个潜在的灾害事件的危险程度和可能 造成的破坏损失程度的预测性评价. 它的目的 除了为减灾决策和防治工程提供依据外, 还可 以对地区经济发展规划、城市建设规划以及土
地资源合理开发利用等提供参考依据. 泥石流因其具有强烈的侵蚀作用, 导致泥
先选择影响泥石流发育的因素, 即泥石流危险
性评价因子, 之后构建泥石流危险性评价的可
拓模型, 建立关联函数和确定权系数, 计算待评 泥石流沟物元实测数据对各特征元相应类别的
综合关联函数值, 最后根据危险性评价等级集
合的关联度大小进行比较来评定等级. 这种方 法在文献[ 9] 中得到实际应用.
3. 1. 2 应用灰色集合理论预测发生泥石流的
映地貌系统总体演化特征的流域面积和流域的
相对高度为指标, 建立 St rahler 面积- 高程曲 线函数, 通过对曲线的积分便可算出指定流域
的 Str ahler 积分值. 具体的计算方法为: A : 流
域面积; a: 该流域内某条等 高线以上的面 积;
h: 该等高线与流域内最低点的高差; $H : 流域 内最大相对高度; 对直角坐标轴上一系列( X =
泥石流的形成受多种因素的影响, 危险性
评价过程中往往会出现由于选用评 价因子不
同, 同一条泥石流沟被划分成不同的危险性等 级, 其评价结果与实际情况往往有较大差别.
对于单沟泥石流危险性评价, 是根据泥石流危 险性评价的标准物元模型[ 8] , 评价不同泥石流 沟在发育因素组合条件下的危险性. 这需要首
由上可知, 泥石流灾害风险性主要涉及两 大因素, 即发生泥石流的危险性和灾害发生后 建筑物、构筑物对灾害的抗击能力. 两个因素一 个从预防灾害发生方面出发, 一个从建筑物的 抗灾能力出发, 从不同方面研究泥石流灾害, 减 少泥石流灾害的破坏程度. 本文只涉及第一个 因素, 即对泥石流危险性的评价.
3 泥石流灾害危险性评价
危险系数
灰色集合的基本含义是近似分类概念[ 10] . 对一些基本资料分散、可靠性差, 如何简单处理
等, 依据灰色集合方法对规律( 用 Rule 表示) 的
取样方法进 行说明. 依据灰 色集合方 法, Rule 取样分为 3 个步骤. 步骤 1: 收集众多构成泥石
流的资料, 但收集到的泥石流资料很难判断是
石流是否发生 Rule 进行取样:
r= C/ N
( 1)
式中: C 为整合区域内资料的集合; N 为全部
资料的集合.
该研究在重要因子的选定上, 不同于过去 考虑每个因子对泥石流发生条件分 别进行考
虑; 在全部因子中, 河床及山腹的坡度不仅与泥
石流是否发生有关, 而且与河流方位有密切关
系. 3. 1. 3 泥石流危险度的模糊综合评判
第 21 卷第 1 期 2009 年 3 月
北方工业大学学报 J. NORT H CH INA UNIV. OF T ECH .
Vo l. 21 No. 1 M ar. 2009
泥石流危险性研究现状与发展趋势分析*
姜亭亭 孙世国 王 丹
( 北方工业大学建筑工程学院, 100144, 北京)
摘 要 泥石流灾害是一种常见的地质灾害, 对 其研究的核心问题是对泥石流危 险性的评 价. 本文就其单沟预测方法与区域预测方法进行归纳和总结, 并对其存在的不 足进行分析, 在此 基础上就其发展方向及需要进一步完善的问题进行探索.
A / a, Y = h/ $H ) 组成的直线进行拟合, 得到拟 合效果最好的函数[ 14] :
y = f (x)
( 3)
利用公式( 3) 对流域的面积- 高程曲线 X , Y 轴
88
北方工业大学学报
第 21 卷
之间的面积进行积分:
1
Q S = f ( x ) dx 0
( 4)
即为面积 - 高程分值. 将公式( 4) 代入公式( 2) 即得流域地貌信息熵的计算公式:
成很大影响. 为了更有效地采取防治措施, 对泥 石流进行灾情评估和预测尤为重要, 它不仅可 为地区经济发展、产业布局规划提供依据, 而且 还能为布设防灾减灾工程提供决策支持[ 1] . 因 此深入开展泥石流防治与预测具有重要的社会 意义与经济意义.
2 泥石流灾害风险评价技术简介
对泥石流风险, M askery ( 1989) [ 2] 认为/ 风 险是 某一 种自 然灾害 发生 后所 造成 的总 损失0 , 他提出的风险表达式为: 风险度( Risk ) = 危 险度( H azard ) + 易损度( Vulnerabilit y ) ; 经 过后人不断发展, 如国外的 Nat h 等和 Einst ein ( 1996) 提 出 的 风 险 表 达 式[ 3, 4 ] 为: 风 险 度 ( Risk ) = 概 率 ( P robabilit y ) @ 潜 在 损 失 ( Po tential L oss) ; Fell 和 H art fo rd[ 5] 、T o bin 和 Mo nt z( 1997) [ 6] 提出的风险表 达式为: 风 险度 ( Risk ) = 概 率 ( P robabilit y ) @ 易 损 度 ( V ulnerabilit y) ; 我国学者姚运生( 1995) [ 7] 提 出灾害评价模型: SD I = L @ R @ I j ( SD I - 区 域滑坡灾害综合指数; L - 区域社会经济水平 指数; R - 滑坡影响范围系数; I j - 滑坡灾害强
大, 容错性也越高.
除上述方法外, 对泥石流的危险性评估还 有较多方法, 比如基于数值模拟的泥石流危险 性分区方法[ 17] , 基于正反负矩阵权重分析法的 泥石流发生预测预报[ 18] , 层次分析法[ 19] , 投影 寻踪动态聚类方法[ 20] 等一系列方法.
4 需要进一步探索的问题
~ 30b, 30b~ 40b, 40b~ 50b) , 如此将 发生泥石
流数据分割为 9 个区 域. 在 步骤 3 取 Rule 样 时, 存在发生、不发生及混合区; 然而, 在混合区
同样存在发生泥石流的数据, 不能放弃. 解决的
方法是在步 骤 3 中再 添加 因 子, 在混 合区 把
Rule 再分离出发生的数据, 方法是整合区域内 资料数和因子数, 用式( 1) 定义整合度( r) , 对泥
模糊综合判别法是对受多种因素影响的现
象或事物进 行总的评价, 即根据所 给的条 件, 对评判对象的全体, 每个因素都赋予一个评判
指标, 然后择优选择. 对泥石流这一集随机性与
模糊性为一体的事物, 采用模糊数学的方法进
行综合评判. 首先考虑单个因子对危险度等级 的影响, 再综合考虑每个因子的影响作用, 应用
收稿日期: 2008- 02- 26 * 北京市教委课题( K M 200710009007) 及北方工业大学重点资助项目 第一作者简介: 姜亭亭, 硕士研究生, 主要研究方向: 岩土工程.
86
北方工业大学学报
度指数) . 概括以上评价灾情方法得出这些方法
的评估思路如图 1 所示.
第 21 卷
图 1 灾情评估思路
模糊变换原理的最大隶属原则, 最后确定危险 度等级的最终归属[ 11] , 可望得到更切合实际的 结果.
3. 2 区域泥石流危险性评价方法
3. 2. 1 基于流域系统地貌信息熵的泥石流危
险性定量评价
在泥石流研究中, 流域沟谷特征对泥石流
发生起着重要作用, 也是区别于其它地质灾害
的显著特征. 以往研究中大多忽视了将流域地 貌特征作为评价指标参与危险性评价中, 这必
石流沟谷具有比一般侵蚀流域系统更加强烈的 侵蚀作用. 同时, 流域的地貌特征对泥石流的发 育、发展以及衰退都有较强的影响. 流域的相对 高度决定流水势能的大小, 为松散碎屑源自文库质的 起动提供动能; 流域面积及所接受的降水量是 决定沟谷水动力条件的主要参数, 也是泥石流 发生的重要因素. 因此, 通过对沟谷的地貌侵蚀 性态的定量计算, 可以在一定程度上反映泥石 流的发育阶段, 并判断其危险程度.
1
1
Q Q H = f ( x ) dx - ln( f ( x ) dx ) - 1 ( 5)
0
0
3. 2. 2 基于人工神经网络的泥石流灾害危险
性评价
泥石流作为一种山区比较常见的突发性地
质灾害, 其孕灾因素与成灾环境都十分复杂, 地
区差异也较大, 又具有诱发因素的多样性、不确
定性等特征, 增大了风险性评价的难度. 而人工
由于单沟泥石流危险性评价和区域泥石流 危险性评价的对象、手段和目的等方面很不相 同, 研究者经过长期的研究, 提出了 多种评价 方法( 如图 2) .
图 2 泥石流危险性评价方法框图
第1期
姜亭亭 孙世国 王 丹: 泥石流危险性研究现状与发展趋势分析*
87
3. 1. 单沟泥石流危险性评价方法 3. 1. 1 基于可拓方法的泥石流危险性评价
否是发生的因子或条件. 为此, 可用灰色集合方
法把资料构成分割成几个区. 步骤 2: 添加 1 个 分类因子, 如将河床的坡度分成 3 个区域, 坡度
0b~ 9. 9b为不发生 Rule; 10b~ 14. 9b为可 能发
生 Rule; 15b~ 19. 9b为容易发 生 Rule, 如 此将
收集到的数据资料分割成 3 种类型区. 步骤 3: 再添加 1 个分类因子, 如添加流域坡度因子( 0b
然对结果的准确性造成较大影响. 学者艾南山
将反映地貌发展形态的 St rahler 面积- 高程分
析法与信息熵原理相结合, 提出侵蚀流域系统 的地貌信息熵理论及其计算方法[ 12, 13] .
H = S- InS- 1
( 2)
其中 H : 地貌系统信息熵; S : St rahler 面积- 高
程积分值. Strahler 面积- 高程曲线法主要选取能反
网络, 已有的网络模型可以分为前向网络、反馈
网络、自组织网络 3 大类. 泥石流风险评价的目
的是要进行泥石流的风险判别和风险区划, 实 际就是模式识别的问题, 选择前向网络作为泥
石流风险评价的基本模型[ 15] .
( 2) 拓扑结构.
前向网络中的神经元是分层排列的, 每个 神经元只与前一层的神经元相连接, 接受前一