1 绪论 1
1.1 引言 1
1.1.1 滑坡灾害造成的损失日益严重 1
1.1.2 GIS为区域滑坡研究提供了良好的技术平台 2
1.1.3 GIS与神经网络结合为区域滑坡研究提供了有效的解决方案 2
1.1.4 研究意义 3
1.2 国内外研究现状评述 3
1.2.1 GIS在区域滑坡灾害预测预报中的应用 3
1.2.2 区域滑坡灾害空间预测研究 5
1.2.3 人工智能的应用研究 6
1.2.4 人工智能与GIS相结合应用于灾害空间预测的研究 8
1.2.5 滑坡灾害空间预测评价指标 9
1.3 目前存在的问题 10
1.4 发展趋势 11
1.5 本书研究内容及思路 12
1.5.1 研究内容 12
1.5.2 研究方法及技术路线 12
2 恩施地区志留系地层典型滑坡及其破坏机理分析 14
2.1 概述 14
2.1.1 地质灾害类型 15
2.1.2 滑坡灾害的类型及分布 16
2.2 瞿家湾滑坡群 16
2.2.1 地质环境条件 18
2.2.2 物质结构特征 18
2.2.3 滑坡稳定性计算 19
2.2.4 滑坡应力、应变数值模拟分析 21
2.2.5 滑坡形成机理 25
2.3 保扎滑坡 25
2.3.1 形态特征 26
2.3.2 物质结构特征 27
2.3.3 影响因素 27
2.3.4 滑坡形成机理 28
2.4 志留系地层滑坡机理分析 29
2.4.1 志留系地层上滑坡发育特征 30
2.4.2 岩土体性质对滑坡的控制 32
2.4.3 地形地貌对滑坡的控制 34
2.4.4 坡体结构对滑坡的作用 35
2.4.5 降雨对滑坡的作用 35
2.4.6 构造对滑坡的控制 36
2.4.7 人类活动对滑坡的影响 37
2.4.8 志留系地层滑坡规律总结 37
3 斜坡灾变空间预测评价指标体系 39
3.1 指标选取的原则 39
3.2 指标的筛选 40
3.2.1 指标筛选的原则 40
3.2.2 指标的筛选 41
3.3 预测指标的量化 47
3.4 预测指标的权重 49
4 神经网络技术理论及应用模型构建 51
4.1 人工神经网络理论概述 51
4.1.1 神经网络的基本性质 52
4.1.2 神经元模型 52
4.1.3 神经网络的互联模式 53
4.1.4 神经网络的工作方式 54
4.2 神经网络的学习与计算 54
4.2.1 神经网络的学习 54
4.2.2 神经网络的计算 55
4.3 BP神经网络 55
4.3.1 BP网络的模型与结构 56
4.3.2 BP网络的学习公式 57
4.3.3 BP网络的训练方法和步骤 59
4.3.4 BP网络的优缺点及改进方法 60
4.4 斜坡灾变空间预测BP神经网络模型的构建 62
4.4.1 网络模型的选取 63
4.4.2 BP网络模型的结构 63
4.4.3 样本数据及数据的预处理 64
4.4.4 网络设计及训练函数比较研究 67
4.4.5 网络隐含层神经元数探讨 74
5 区域斜坡灾变空间预测模型的设计及实现 76
5.1 斜坡灾变空间预测的工作特点 76
5.2 空间预测系统的技术支撑平台 77
5.2.1 GIS地理信息系统软件 77
5.2.2 MATLAB编程软件 78
5.3 空间预测系统的结构设计及实现 78
5.3.1 空间数据库的建立 78
5.3.2 数据的空间分析处理 79
5.3.3 斜坡灾变空间预测 84
6 恩施地区屯堡乡一带志留系地层斜坡灾变空间预测应用实例 86
6.1 研究区地理地质背景 86
6.1.1 地理位置 86
6.1.2 地质环境概况 87
6.1.3 现有灾害发育情况 91
6.2 研究区斜坡灾变空间预测的实现 91
6.2.1 研究区预测单元的划分 91
6.2.2 影响因子图层的生成 91
6.2.3 神经网络模型的预测分析 95
6.2.4 预测成果可视化及评述 97
6.3 预测系统准确性的遥感评价 98
6.3.1 遥感源信息及解泽方法 99
6.3.2 遥感解译结果 99
6.3.3 预测准确度评定 100
7 结论及展望 107
7.1 结论 107
7.2 研究的创新点 109
7.3 研究展望 109
参考文献 110