Application of Data Warehouse and Data Mining on Landslide Prediction
-
摘要: 为从滑坡历史数据中获取有效的预测预报信息，利用基于数据仓库的数据挖掘技术，结合已有滑坡多个维度的数据集，以巴东县新城区滑坡灾害分布作为研究对象，建立了滑坡灾害敏感性和灾害区划模型。结果表明：该模型对于滑坡空间分布的预测精度可达到87.5%左右，对于滑坡时间尺度上的预测精度较低，约为65%左右，其准确度可以满足工程要求；数据仓库和数据挖掘技术在地质灾害预测预报领域具有广泛的应用前景，较传统预测预报方法更为方便和迅捷。Abstract: In order to obtain effective prediction from the historical landslide data, the data mining technology based on data warehouse were used. Combined with the existing landslide multi-dimensional data set, taking the landslide disaster distribution in the new urban area of Badong County as the research object, the landslide disaster sensitivity and disaster zoning model are established. The result shows that the prediction accuracy of the model for the spatial distribution of landslide can reach about 87.5%, and the prediction accuracy on the time scale of landslide is low, about 65%. Its accuracy can meet the engineering requirements. The data warehouse and data mining technology in the field of geological disaster forecast has wide application prospect, which is more convenient and rapid than traditional prediction methods.
-
Key words:
- data mining /
- data warehouse /
- landslide prediction /
- geological hazard
-
表 1 影响因子权值分布
Table 1. Distribution of impact factor weights
影响因子 各个因子的权值分布 滑坡坡度/（°） 0～15 15～30 30～45 45～60 ﹥60 权重 4 3 2 1 0.5 海拔高度/m ﹤100 200～100 250～200 300～250 ﹥300 权重值 5 4 3 2 1 滑坡结构 逆向坡 逆斜坡 横向坡 顺斜坡 顺向破 权重值 5 4 3 2 1 水系/m ﹥200 ﹤200 权重值 1 0 公路/m ﹥100 ﹤100 权重值 1 0 注：表格中水系表示滑坡点距离水系的距离，m；公路表示滑坡点距离公路的距离，m。 
下载: 导出CSV
-
[1] 王冬梅. 数据挖掘在医院信息系统中的研究与应用[J]. 科学技术与工程,2007,(11):2745-2747. doi: 10.3969/j.issn.1671-1815.2007.11.073 [2] 王 云,苏 勇. 关联规则挖掘在道路交通事故分析中的应用[J]. 科学技术与工程,2008,(7):1824-1827. doi: 10.3969/j.issn.1671-1815.2008.07.044 [3] 陈 起. 数据挖掘在电信客户细分中的应用[J]. 科学技术与工程,2009,9(16):4820-4822,4832. doi: 10.3969/j.issn.1671-1815.2009.16.057 [4] 杜 娟,殷坤龙,陈丽霞. 基于GIS的巴东县新城区滑坡灾害危险性区划[J]. 自然灾害学报,2011,(1):149-155. [5] 张庭瑜,韩 玲,张 恒,等. 混合分类模型在滑坡易发性分区中的适用性研究−以延安市宝塔区为例[J]. 干旱区资源与环境,2020,34(1):192-201. [6] 朱 玲. 基于不确定数据的IM-K-means算法在滑坡危险性预测的应用[D]. 赣州: 江西理工大学, 2019. [7] 文海家,李 洋,薛靖元,等. 基于大数据挖掘的山区公路沿线滑坡易发性小区划[J]. 自然灾害学报,2018,27(4):159-165. [8] 刘鹏程. 大数据分析技术在地质灾害系统中的应用研究[D]. 西安: 西安工业大学, 2018. [9] 赵久彬,刘元雪,宋林波,等. 大数据关键技术在滑坡监测预警系统中的应用[J]. 重庆理工大学学报(自然科学),2018,32(2):182-190. [10] 罗海洋. 大数据环境下关联规则挖掘算法及其应用研究[D]. 长沙: 湖南大学, 2017. -
图(4) / 表(1)
计量
- 文章访问数: 112
- HTML全文浏览量: 44
- PDF下载量: 23
- 被引次数: 0
