关键词:
库区滑坡
数据挖掘
变形机制
阈值分析
灾害分析系统
摘要:
库区滑坡受降雨侵蚀、水位波动、地震活动及人为因素的影响,呈现突发、复发及高危特征。多年来滑坡灾害造成了许多人员伤亡、失踪和重大的财产损失,并对我国社会的可持续发展造成了不良影响。在库区滑坡长期监测与防治的过程中,产生了大量与滑坡灾害相关的数据,有效、可靠、准确地利用海量数据对库区滑坡变形机制进行识别与挖掘分析,提高滑坡防治的决策能力,减少灾害损失,是政府部门和相关科研学者迫切需要解决的问题。针对上述问题,本文结合数据挖掘技术,进行库区滑坡变形机制的识别与阈值分析,在此基础上,设计与实现库区滑坡灾害分析系统。本课题的主要研究内容及成果如下:
(1)开展库区滑坡灾害分析系统的需求分析与设计。首先,从总体需求分析中明确系统的功能性需求与非功能性需求,并遵循递进式原则将系统总体架构划分为展现层、通讯层、服务层与数据层,实现高内聚、低耦合的系统分层架构模式;其次,为提高系统可维护性,使用前后端分离的思想详细设计了系统各项功能;最后,设计MongoDB数据库存储结构,搭建主节点、从节点和仲裁节点的分布式集群,有效保障滑坡监测数据的完整性、一致性和高可用性。
(2)完成库区滑坡变形机制的识别及阈值分析。以三峡库区八字门滑坡为例,选取降雨量、库水位和累计位移等6种不同组合的因素,提出了基于Apriori与CART算法的滑坡变形机制识别与阈值分析模型。通过K-means快速聚类法将诱发因素划分为不同等级,结合Apriori算法揭示出13种滑坡变形成因的强关联规则;以月降雨量、月最大连续降雨量和月平均库水位为决策树CART算法的输入项,滑坡变形阶段为分类结果,建立八字门滑坡诱发因素阈值分析模型。结果表明:八字门滑坡中上部变形主要受季节性降雨影响,次要因素为库水位的周期性波动;当月降雨量达到113.65mm/月临界值时,滑坡月位移速率显著加快,呈现“阶跃”式变形特征。
(3)库区滑坡灾害分析系统的开发与实现。系统采用B/S(Browser/Server)架构进行设计,用主流的Echarts图表库、Element UI组件库、Vue前端框架、Flask后端框架、MongoDB数据库等技术搭建系统的主要功能,包括库区滑坡概况、监测数据预览、数据可视化分析、数据挖掘、监测数据共享、数据库管理与系统管理等功能。系统实际应用后,整体功能与挖掘结果的实际效果均达到预期。
研究表明,将数据挖掘技术融入库区滑坡灾害分析系统中,对水文因素与滑坡变形的监测分析成效显著,未来在多样化的库区滑坡区域应用潜力较大,有望提升防灾减灾效能与预测精度。