(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111323835.7 (22)申请日 2021.11.10 (71)申请人 云南大学 地址 650500 云南省昆明市 云南大学呈贡 校区地球科 学学院1325 (72)发明人 李益敏　邓选伦　谈树成　赵志芳　 赵娟珍　吴博闻　 (74)专利代理 机构 北京高沃 律师事务所 1 1569 代理人 刘芳 (51)Int.Cl. G06F 30/27(2020.01) G06N 20/10(2019.01) G06K 9/62(2022.01) G06Q 10/04(2012.01) G06Q 50/26(2012.01)G06V 10/764(2022.01) G06V 20/10(2022.01) (54)发明名称 基于半监督支持向量机模型的滑坡易发性 预测方法及系统 (57)摘要 本发明涉及一种基于半监督支持向量机模 型的滑坡易发性预测方法及系统。 所述方法包 括： 获取研究区域的评价因子和已知滑坡样本； 计算各评价因子的确定性系数值； 根据确定性系 数值对研究区域进行易发性分区， 分为五类滑坡 易发性级别； 选取非滑坡样本与已知滑坡样本共 同构成第一训练测试数据集对支持向量机模型 进行训练测试； 采用训练测试好的支持向量机模 型预测得到研究区域的初始滑坡易发性值， 从而 确定扩充后的滑坡样本和二次选取的非滑坡样 本对支持向量机模型进行训练测试， 进而生成半 监督支持向量机模型对研究区域进行滑坡易发 性预测。 本发 明方法简化了滑坡样 本数据采集过 程， 提高了滑坡易发性预测的精度。 权利要求书3页 说明书13页 附图3页 CN 114036841 A 2022.02.11 CN 114036841 A 1.一种基于半监 督支持向量机模型的滑坡易发性预测方法， 其特 征在于， 包括： 获取研究区域的评价因子和已知滑坡样本； 所述评价因子包括高程、 坡度、 坡向、 岩性、 断裂构造、 距 道路距离、 距水系距离、 植被覆盖、 降雨 量、 土地利用类型和土壤 类型； 计算各所述评价因子的确定性系数值； 根据所述确定性系数值对所述研究区域进行易发性分区， 将所述研究区域划分为五类 滑坡易发性级别； 所述五类滑坡易发性级别包括极低易发区、 低易发区、 中等易发区、 高易 发区和极高易发区； 在所述极低易发区和所述低易发区中随机选取与所述已知滑坡样本等比例的非滑坡 样本， 与所述已知滑坡样本共同构成第一训练测试 数据集； 根据所述第 一训练测试数据集对支持向量机模型进行训练测试， 生成训练测试好的支 持向量机模型； 采用所述训练测试好的支持向量机模型 预测得到所述研究区域的初始 滑坡易发性 值； 根据所述初始滑坡易发性值确定扩充后的滑坡样本和二 次选取的非滑坡样本， 共同构 成第二训练测试 数据集； 根据所述第 二训练测试数据集对支持向量机模型进行训练测试， 生成半监督支持向量 机模型； 采用所述半监 督支持向量机模型对所述研究区域进行滑坡易发性预测。 2.根据权利要求1所述的方法， 其特征在于， 所述计算各所述评价因子的确定性系数 值， 具体包括： 采用公式 计算各所述评价因子的确定性系数值CF； 其中 PPa为地质灾害在评价因子a类中发生的概率， PPs为地质灾害在整个所述研究区域发生的 先验概率； 将各所述评价因子的确定性系数值CF归一 化至[0,1]之间。 3.根据权利要求1所述的方法， 其特征在于， 所述根据所述第 一训练测试数据集对支持 向量机模型进行训练测试， 生成训练测试好的支持向量机模型， 具体包括： 将所述第一训练测试 数据集按照7:3的比例随机划分为训练集和 测试集； 采用所述训练集对所述支持向量机模型进行训练， 采用所述测试集对所述支持向量机 模型进行测试， 生成所述训练测试好的支持向量机模型。 4.根据权利要求1所述的方法， 其特征在于， 所述根据所述初始滑坡易发性值确定扩充 后的滑坡样本和二次选取的非滑坡样本， 具体包括： 将所述初始 滑坡易发性 值导入ArcGIS软件中生成初始 滑坡易发性图； 利用自然 间断点分级法， 根据 所述初始滑坡易发性图确定所述研究区域的极高易发区 和极低易发区； 获取所述研究区域的遥感影 像； 根据所述遥感影 像分析区域滑坡遥感解译标志； 根据所述滑坡遥感解译标志解译出所述极高易发区内的滑坡隐患点作为扩充滑坡样权　利　要　求　书 1/3 页 2 CN 114036841 A 2本； 所述扩充滑坡样本与所述已知滑坡样本共同构成所述扩充后的滑坡样本； 从所述极低 易发区中随机选取与 所述扩充后的滑坡样本等比例的栅格单元， 作为所述 二次选取的非滑坡样本 。 5.一种基于半监 督支持向量机模型的滑坡易发性预测系统， 其特 征在于， 包括： 数据获取模块， 用于获取研究区域的评价因子和已知滑坡样本； 所述评价因子包括高 程、 坡度、 坡向、 岩性、 断裂构 造、 距道路距离、 距水系距离、 植被覆盖、 降雨量、 土地利用类型 和土壤类型； 系数计算模块， 用于计算各 所述评价因子的确定性系数值； 区域划分模块， 用于根据所述确定性系数值对所述研究区域进行易发性分区， 将所述 研究区域划分为五类滑坡易发性级别； 所述五类滑坡易发性级别包括极低易发区、 低易发 区、 中等易发区、 高易发区和极高易发区； 数据集构 成模块， 用于在所述极低 易发区和所述低 易发区中随机选取与所述已知滑坡 样本等比例的非滑坡样本， 与所述已知滑坡样本共同构成第一训练测试 数据集； 第一模型训练模块， 用于根据 所述第一训练测试数据集对支持向量机模型进行训练测 试， 生成训练测试好的支持向量机模型； 第一模型预测模块， 用于采用所述训练测试好的支持向量机模型预测得到所述研究区 域的初始 滑坡易发性 值； 数据集扩充模块， 用于根据 所述初始滑坡易发性值确定扩充后的滑坡样本和二次选取 的非滑坡样本， 共同构成第二训练测试 数据集； 第二模型训练模块， 用于根据 所述第二训练测试数据集对支持向量机模型进行训练测 试， 生成半监 督支持向量机模型； 第二模型预测模块， 用于采用所述半监督支持向量机模型对所述研究区域进行滑坡易 发性预测。 6.根据权利要求5所述的系统， 其特 征在于， 所述系数计算模块具体包括： 系数计算单元， 用于采用公式 计算各所述评价因子的确 定性系数值CF； 其中PPa为地质灾害在评价因子a类中发生的概率， PPs为地质灾害在 整个所 述研究区域发生的先验概 率； 归一化单元， 用于将各 所述评价因子的确定性系数值CF归一 化至[0,1]之间。 7.根据权利要求5所述的系统， 其特 征在于， 所述第一模型训练模块具体包括： 数据集划分单元， 用于将所述第一训练测试数据集按照7:3的比例随机划分为训练集 和测试集； 模型训练单元， 用于采用所述训练集对所述支持向量机模型进行训练， 采用所述测试 集对所述支持向量机模型进行测试， 生成所述训练测试好的支持向量机模型。 8.根据权利要求5所述的系统， 其特 征在于， 所述数据集扩充模块具体包括： 初始滑坡易发性图生成单元， 用于将所述初始滑坡易发性值导入ArcGIS软件中生成初 始滑坡易发性图；权　利　要　求　书 2/3 页 3 CN 114036841 A 3