岩溶塌陷不确定性预测评价综述

万佳威; 张勤军; 石树静

doi:10.11932/karst20170601

岩溶塌陷不确定性预测评价综述

doi: 10.11932/karst20170601

广西壮族自治区地质调查院

基金项目: 中国地质调查局项目（12120114022101，12120115047401）；中国地质调查项目（DD20160254）

计量
- 文章访问数: 2278
- HTML浏览量: 675
- PDF下载量: 1021
- 被引次数: 0
出版历程
- 发布日期: 2017-12-25

Overview of uncertainty assessment on karst collapse prediction

Guangxi Zhuang Autonoumous Region Institute of Geology Survey

摘要

摘要: 文章梳理了岩溶塌陷不确定性预测评价的发展历程和最新进展，总结形成了预测评价的一般思路，认为评价时应立足于评价区的地质背景和实际塌陷情况，遵守“从定性到定量”的原则，按照评价区实际情况，依次完成影响因素分析、评价因子选取、评价模型构建3个步骤，并对如何完成好这3个步骤进行了详细阐述；还针对常用的模糊综合评价模型、灰色模糊综合评判模型、信息量模型、证据权模型、人工神经网络模型、支持向量机模型，在特点、核心步骤、优势、弊端4个方面进行了分类对比分析。文章认为目前国内的岩溶塌陷不确定性预测评价还存在较大滞后，仍有许多问题亟待解决。
- 岩溶塌陷 /
- 不确定性 /
- 预测评价 /
- 评价因子 /
- 评价模型
Abstract: This paper reviews the development and the most recent progress of the uncertainty assessment on karst collapse prediction and summarizes the general approach of assessment. It is indicated that the assessment must be based on the geological background and actual condition in the evaluation area and the methodologyof "from qualitative to quantitative" should be followed. The general approach consists of 3 steps, including analyzing the influencing factors, selecting evaluation components and then constructing the evaluation model. This paper also elaborates on how to implement these steps. In this paper, comparative analysis on features, core steps, advantages, disadvantages among fuzzy model, grey-fuzzy model, information model, weights of evidence model, ANN model, SVM model are conducted,which provides a reference for model selection.Further more, it is pointed out that in the current uncertainty assessment on karst collapse prediction in China is very behind, which caused many problems in this field.
- karst collapse /
- uncertainty assessment /
- prediction /
- evaluation factor /
- evaluation model

HTML

参考文献(44)

[1]	雷明堂.我国重点地区岩溶塌陷调查取得可喜进展［N］.地质调查报,2014-3-10(三版).
[2]	金晓文,陈植华,曾斌,等.岩溶塌陷机理定量研究的初步思考［J］.中国岩溶,2013,32(4):437-446.
[3]	赵博超,朱蓓,王弘元,等.浅谈岩溶塌陷的影响因素与模型研究［J］.中国岩溶,2015,34(5):515-521.
[4]	李海涛,陈邦松,杨雪,等.岩溶塌陷检测内容及方法概述［J］.工程地质学报,2015,23(1):126-134.
[5]	雷明堂,项式均.近20年来中国岩溶塌陷研究回顾［J］.中国地质灾害与防治学报,1997,8(增刊):1-5.
[6]	项式均,廖如松,陈健.岩溶塌陷灾害的预测和评价［J］.地质灾害与防治,1990,1(1):54-66.
[7]	Magdalene S,Alecander E C.Sinkhole distribution in Winona County,Minnersota, revisited ［J］.Karst Geohazards，1995:43-51.
[8]	雷明堂,蒋小珍.岩溶塌陷研究现状、发展趋势及其支撑技术方法［J］.中国地质灾害与防治学报,1998,9(3):1-6.
[9]	雷明堂,蒋小珍,李瑜.岩溶塌陷综合预测评价的理论与方法［J］.中国地质灾害与防治学报,1997,8(增刊):38-42.
[10]	刘希林,张松林,唐川.泥石流危险区划中相对分布密度的数学模型［J］.灾害学,1992,7(3):8-13.
[11]	张业成,张春山,张梁.中国地质灾害系统层次分析与综合灾度计算［J］.中国地质科学院院报,1993(Z1):139-154.
[12]	全望永,方星.铜陵小街地区岩溶塌陷模糊综合评判［J］.中国岩溶,1992,11(4):297-306.
[13]	贾秀梅,周骏业,董玉良,等.灰色系统理论在岩溶地面塌陷分析预测中的应用［J］.中国地质灾害与防治学报,1994(S1):113-117.
[14]	贺玉龙,杨立中,黄涛.人工神经网络在岩溶塌陷预测中的应用研究［J］.中国地质灾害与防治学报,1999(4):86-90.
[15]	陈学军,陈植华,陈先华,等.桂林市西城区岩溶塌陷模糊层次综合预测［J］.桂林理工大学学报,2000,20(2):112-116.
[16]	陈学军,罗元华.GIS支持下的岩溶塌陷危险性评价［J］.水文地质工程地质,2001,28(4):15-18.
[17]	包惠明,胡长顺.岩溶塌陷两级模糊综合评判［J］.水文地质工程地质,2001,28(3):49-52.
[18]	胡瑞林,王思敬,李焯芬,等.唐山市岩溶塌陷区域风险评价［J］.岩石力学与工程学报,2001,20(2):180-189.
[19]	邱向荣.岩溶塌陷稳定性的灰色模糊综合评判［J］.水文地质工程地质,2004,31(4):58-61.
[20]	刘江龙,刘文剑,吴湘滨,等.基于GIS广州市主城区地面塌陷危险性评价［J］.工程地质学报,2007,15(5):630-634.
[21]	赖永标,乔春生.基于支持向量机岩溶塌陷的智能预测模型［J］.北京交通大学学报,2008,32(1):36-39.
[22]	蒙彦,黄健民,雷明堂,等.基于灰色Verhulst模型的岩溶塌陷定量预报预测方法［J］.中国岩溶,2009,28(1):17-22.
[23]	赵增玉,潘懋,梁河.二值证据权(Wofe)模型岩溶塌陷区划研究［J］.北京大学学报自然科学版,2010,46(4):594-600.
[24]	黄仁东,韩明,张小军,等.基于Fisher判别法岩溶塌陷倾向性等级分类预测［J］.中国安全科学学报,2011,21(9):70-76.
[25]	潘健,周森,林培源,等.广州市白云区岩溶塌陷风险初探［J］.岩土力学,2013(9):25892600.
[26]	邵良杉,徐波.岩溶塌陷倾向性等级的KPCA-SVM预测模型［J］.中国安全科学学报,2015,25(3):60-65.
[27]	Bauer C. Analysis of dolines using multiple methods applied to airborne laser scanning data［J］. Geomorphology, 2015（250）:78-88.
[28]	Galve J P, Casta?eda C, Gutiérrez F, et al. Assessing sinkhole activity in the Ebro Valley mantled evaporite karst using advanced DInSAR［J］. Geomorphology, 2015（229）:30-44.
[29]	Wu Q, Deng C, Chen Z. Automated delineation of karst sinkholes from LiDAR-derived digital elevation models［J］. Geomorphology, 2016（266）:1-10.
[30]	Siska P P, Goovaerts P, Hung I K. Evaluating susceptibility of karst dolines (sinkholes) for collapse in Sango, Tennessee, USA.［J］. Progress in Physical Geography, 2016, 40(4):579-597.
[31]	袁道先,蔡桂鸿.岩溶环境学［M］.重庆重庆出版社,1988:228-248.
[32]	戴建玲,雷明堂,蒋小珍.线性工程岩溶塌陷危险性评价研究［J］.中国岩溶,2012,31(3):296-302.
[33]	刘秀敏,陈从新,沈强,等.覆盖型岩溶塌陷的空间预测与评价［J］.岩土力学,2011,32(9):2785-2790.
[34]	武运泊,王运生,曹文正.基于AHP模糊综合评判的岩溶塌陷危险性评价［J］.中国地质灾害与防治学报,2015,26(1):43-48.
[35]	潘宗源,贾龙,刘宝臣.基于AHP和ArcGIS技术的岩溶塌陷风险评价:以遵义永乐镇为例［J］.桂林理工大学学报,2016,36(3):464-470.
[36]	胡成,陈植华,陈学军.基于ANN与GIS技术的区域岩溶塌陷稳定性预测:以桂林西城区为例［J］,2003,28(5):557-562.
[37]	肖明贵.桂林市岩溶塌陷形成机制与危险性预测［D］.长春:吉林大学,2005:115-139.
[38]	朱寿增,周健红,陈学军.桂林市西城区岩溶塌陷形成条件及主要影响因素［J］.桂林理工大学学报,2000,20(2):100-105.
[39]	陈玉,蔺启忠,王钦军.区域地质灾害评价模型综述［J］.防灾科技学院学报,2010,12(4):42-45.
[40]	陈衍泰,陈国宏,李美娟.综合评价方法分类及研究进展［J］.管理科学学报,2004,7(2):69-79.
[41]	刘思峰,杨英杰,吴利丰.灰色系统理论及其应用［M］.科学出版社,2014.
[42]	陈凯,朱钰.机器学习及其相关算法综述［J］.统计与信息论坛,2007,22(5):105-112.
[43]	浦路平,赵鹏大,胡光道,等.GIS矿产资源评价中统一使用连续数据和离散数据的扩展证据权模型［J］.地质科技情报,2008,27(6):102-106.
[44]	张生元,成秋明,张素萍,等.加权证据权模型和逐步证据权模型及其在个旧锡铜矿产资源预测中的应用［J］.地球科学:中国地质大学学报,2009,34(2):281-286.