《表5 两种预测模型滑坡危险性预测误差矩阵》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《不确定NNSB-OPTICS聚类算法在滑坡危险性预测中的研究与应用》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

为验证本文提出的不确定数据处理方法是否能够有效处理降雨量数据，提高滑坡预测精度，分别使用NNSB-OPTICS聚类算法和不确定NNSB-OPTICS聚类算法建立滑坡预测模型，对延安市宝塔区进行滑坡危险性预测。对于不确定数据降雨量，不确定NNSB-OPTICS滑坡预测模型采用式（1）（2） 获得降雨量云模型数字特征，然后采用式（3）进行相似度计算；NNSB-OPTICS聚类算法采用传统滑坡预测中处理降雨量所使用的定量法[23]进行离散化，即将降雨划分为以下几类:小雨（20 mm以下），中雨（20~44.9 mm），大雨（45~59.9 mm），暴雨（60~79.9 mm），大暴雨（80~99.9 mm），特大暴雨（100 mm以上），并分别以数值代替，采用欧氏距离进行相似度计算。宝塔区地质灾害灾害观测点有428处，其中有滑坡观测点293个，在数据预处理阶段，所有滑坡观测点被栅格化为1 367个评价单元，其中包含低危评价单元311个，中危评价单元729个，高危评价单元327个。对NNSB-OPTICS滑坡危险性预测模型和不确定NNSB-OPTICS滑坡危险性预测模型预测结果进行统计，获得误差矩阵，如表5所示。