本发明涉及滑坡监测技术领域，特别是涉及一种区域滑坡灾害易发性评估装置。
背景技术：
滑坡灾害是山区、道路两侧、河谷两岸以及道路施工现场经常发生的地质灾害或工程地质灾害，爆发突然，伤害力巨大，治理和预测困难，如果预测不及时，会造成巨大的人员伤亡和物质损失。
由于我国地形地貌、地质等泥石流形成的条件复杂，目前，对于滑坡灾害的易发性评估还没有形成成熟的方案，更多的研究在于对滑坡灾害发生后的灾情评估。因此，迫切需要对滑坡灾害的易发性进行评估，提高灾害预防能力。
技术实现要素：
本发明主要解决的技术问题是提供一种区域滑坡灾害易发性评估装置，能够对区域滑坡灾害易发性进行评估，为滑坡灾害的预防提供有力依据。
为解决上述技术问题，本发明采用的一个技术方案是：提供一种区域滑坡灾害易发性评估装置，包括：致灾因子确定模块，用于选取降雨量、地貌、坡度和地层岩性作为滑坡灾害的致灾因子，并将每一所述致灾因子按照危险程度的优先级划分为五个危险性级别；赋值模块，用于将每一所述致灾因子对应的危险性级别从一到五分别进行赋值，其中，数值越大表示越危险；训练模块，用于以大量区域灾害统计及人工降雨边坡侵蚀试验结果为训练样本，采用改进bp人工神经网络方法对神经网络进行训练，获得每一所述致灾因子对滑坡灾害易发性影响的权重系数；统计模块，用于将每一所述致灾因子对应的危险性级别的赋值与权重系数相乘得到影响值；评估模块，用于确定目标坡体的致灾因子对应的危险性级别，并将每一致灾因子的危险性级别对应的赋值数值进行求和得到求和值，根据求和值判断易发性级别，如果求和值低于第一阈值，则判定易发性级别为低；如果求和值高于第一阈值且低于第二阈值，则判定易发性级别为中；如果求和值高于第二阈值，则判定易发性级别为高。
优选的，所述降雨量的五个危险性级别对应的范围分别为≤200、＞200且≤400、＞400且≤600、＞600且≤800和＞800。
优选的，所述地貌的五个危险性级别对应的类型分别为平原、丘陵、高山、高原和低山。
优选的，所述坡度的五个危险性级别对应的范围分别为≤15°、＞15°且≤25°、＞25°且≤35°、＞35°且≤40°和＞40°。
优选的，所述地层岩性的五个危险性级别对应的类型分别为松散土侵入岩、块状变质岩、碎屑岩、片状变质岩和碳酸盐岩。
本发明的有益效果是：区别于现有技术的情况，本发明通过确定滑坡灾害的致灾因子，将致灾因子按照危险程度的优先级划分为五个危险性级别，并为每一个致灾因子对应的危险性级别从一到五分别进行赋值，然后采用改进bp人工神经网络方法获得每一致灾因子对滑坡灾害易发性影响的权重系数，最后根据权重系数和赋值得到求和值，将求和值与第一阈值和第二阈值进行比较来确定易发性级别，从而能够对区域滑坡灾害易发性进行评估，为滑坡灾害的预防提供有力依据。
附图说明
图1是本发明实施例提供的区域滑坡灾害易发性评估装置的架构示意图。
具体实施例
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本发明的一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
参阅图1，是本发明实施例提供的区域滑坡灾害易发性评估装置的架构示意图。区域滑坡灾害易发性评估装置包括致灾因子确定模块11、赋值模块12、训练模块13、统计模块14和评估模块15。
致灾因子确定模块11用于选取降雨量、地貌、坡度和地层岩性作为滑坡灾害的致灾因子，并将每一致灾因子按照危险程度的优先级划分为五个危险性级别。其中，致灾因子的分级过程即为致灾因子的量化过程，致灾因子的量化可以采用德尔菲法、统计分析法、隶属度函数法和信息量法其中之一进行，本发明优选隶属度函数法。
赋值模块12用于将每一致灾因子对应的危险性级别从一到五分别进行赋值，其中，数值越大表示越危险。其中，每个致灾因子分别分为不同的级别，级别越高表示越危险。每个危险性级别对应进行赋值，则赋值的数值越大表示越危险。在本实施例中，危险性级别1的赋值数值为1、危险性级别2的赋值数值为2、危险性级别3的赋值数值为3、危险性级别4的赋值数值为4、危险性级别5的赋值数值为5。
由于需要对致灾因子进行危险性级别划分，则需要确定致灾因子的每个危险性级别对应的内容，在本实施例中，降雨量的五个危险性级别对应的范围分别为≤200、＞200且≤400、＞400且≤600、＞600且≤800和＞800，单位为mm，具体如表1所示：
地貌的五个危险性级别对应的类型分别为平原、丘陵、高山、高原和低山，具体如表2所示：
坡度的五个危险性级别对应的范围分别为≤15°、＞15°且≤25°、＞25°且≤35°、＞35°且≤40°和＞40°，具体如表3所示：
地层岩性的五个危险性级别对应的类型分别为松散土侵入岩、块状变质岩、碎屑岩、片状变质岩和碳酸盐岩，具体如表3所示：
训练模块13用于以大量区域灾害统计及人工降雨边坡侵蚀试验结果为训练样本，采用改进bp人工神经网络方法对神经网络进行训练，获得每一致灾因子对滑坡灾害易发性影响的权重系数。其中，训练模块13以大量区域灾害统计及人工降雨边坡侵蚀试验结果为训练样本，采用bp人工神经网络方法，给定bp网络层数及相应层之间的权重向量，采用改进bp网络计算程序对神经网络进行训练直至达到误差要求，获得致灾因子与边坡稳定性安全系数的映射关系，进而确定每一致灾因子对滑坡灾害易发性影响的权重系数。
统计模块14用于将每一致灾因子对应的危险性级别的赋值与权重系数相乘得到影响值。其中，假设降雨量、地貌、坡度和地层岩性的权重系数分别为4、3、2、1，那么降雨量的五个危险性级别对应的影响值分别为0.4、0.8、1.2、1.6、2，地貌的五个危险性级别对应的影响值分别为0.3、0.6、0.9、1.2、1.5，坡度的五个危险性级别对应的影响值分别为0.2、0.4、0.6、0.8、1，地层岩性的五个危险性级别对应的影响值分别为0.1、0.2、0.3、0.4、0.5。
评估模块15用于确定目标坡体的致灾因子对应的危险性级别，并将每一致灾因子的危险性级别对应的赋值数值进行求和得到求和值，根据求和值判断易发性级别，如果求和值低于第一阈值，则判定易发性级别为低；如果求和值高于第一阈值且低于第二阈值，则判定易发性级别为中；如果求和值高于第二阈值，则判定易发性级别为高。其中，第一阈值和第二阈值可以结合权重系数和实际情况设定。仍然假设降雨量、地貌、坡度和地层岩性的权重系数分别为4、3、2、1，第一阈值为2，第二阈值为4。那么如果求和值＜2，则判定易发性级别为低，如果2≤求和值＜4，则判定易发性级别为中，如果求和值≥4，则判定易发性级别为高。
其中，降雨量的监测可以使用雨量监测计通过雨量桶收集雨量，并记录降雨量监测数据，进而得到实际的降雨量。
对于易发性级别为中和高的坡体而言，可以加强滑坡灾害防治措施，降低滑坡灾害的发生概率。
通过上述方式，本发明实施例的区域滑坡灾害易发性评估装置通过确定滑坡灾害的致灾因子，将致灾因子按照危险程度的优先级划分为五个危险性级别，并为每一个致灾因子对应的危险性级别从一到五分别进行赋值，然后采用改进bp人工神经网络方法获得每一致灾因子对滑坡灾害易发性影响的权重系数，最后根据权重系数和赋值得到求和值，将求和值与第一阈值和第二阈值进行比较来确定易发性级别，从而能够对区域滑坡灾害易发性进行评估，为滑坡灾害的预防提供有力依据。
以上所述仅为本发明的实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。