基于GIS的区域斜坡稳定性评价Logistic回归模型研究

【摘要】：一、目的意义与理论方法 滑坡是主要山地灾害之一，具有分布广泛，发生频繁，成灾快速等特点，给山区的经济发展造成极大危害。国际上开展区域滑坡灾害评价和制图研究已有20多年历史，近几年取得了较显著的进展。滑坡灾害评价必须遵循一系列基本原理和程序，Varnes于1984年完成的联合国建议的滑坡危险度分区研究所提出的三个基本原理为： (1) 过去和现在是顶测未来的关键。 (2) 引起滑坡的主要条件能被认识。 (3) 滑坡危险程度和潜在成灾性能被评估。 滑坡灾害空间预测评价的方法可归纳为统计学方法、敏感性制图法、信息量法以及各种经验方法。由于滑坡预测理论都是基于滑坡机理分析、有利因素组合基础上的，所以尽管各种评价方法不同，但它们的共同之处就是充分考虑各种地质环境因素的叠加作用来评价某特定地质环境中产生滑坡的可能性，在滑坡危险区中圈出相对不安全的“危险区段”。只是评价过程中所采用的叠加方式不同而己，预测结果一般都是采用预测分区图的形式来表示。 滑坡预测研究的特点是各种理论相互交叉和渗透。人们将各种现代理论如信息论、系统论、模糊数学等与计算机技术相结合，应用于滑坡空间预测。如：系统分析法、信息量法、专家系统预测法、神经网络法等。 以上斜坡稳定性空间预测的常用研究方法，各有其优点和独特性，在斜坡稳定评价从定性到定量的过程中起到了很大的作用，但还存在一些不足之处。总的来说可概括为如下方面：其一，对模型的拟合能力不能进行评估；其二，对回归系数无法进行检验；其三，不能定量提供区域滑坡因素的敏感性程度。然而这几点恰恰是工程实践中最需要的。模型不能进行整体评估，极有可能是效果不佳的模型，若用它来进行预测，预测结果的可靠程度无法保证。我们希望能找到一种方法，能够对以上问题的解决有所帮助。 Logistic回归模型是二分类因变量(因变量y只取两个值)进行回归分析时经常使用的统计分析方法。与线性回归不同，Logistic回归是一种非线性模型，普遍采用的参数估计方法是最大似然估计法。已经证明，在随机样本条件下，Logistic模型的最大似然估计具有一致性、渐进性和渐进正态性。Logistic回归方法能对分类因变量和分类自变量(或连续自变量，或混合变量)进行回归建模，有一整套成熟的对回归模型和回归参数进行检验的标准，以事件发生概率的形式提供结果，应用在区域斜坡稳定性评价中无疑是一种较好的解决方案。根据回归系数的比较可以定量分析区域斜坡稳定性影响因子。根据回归模型对比，可以得出区域斜坡稳定性评价的最佳模型。由于其提供事件发生概率结果，则在对结果进行分析