输电线路区域滑坡易发性分析方法与应用★

郭俊辉，李 侠，叶晨男，徐子涵，赵 禹，于 洋

(1.台州宏远电力设计院有限公司,浙江 台州 318000; 2.浙江大学海洋学院,浙江 舟山 316000)

输电线路是保障社会经济发展的能源动脉。在山区建设输电线路,不仅建设难度大、施工成本高,而且由于输电线路跨度长、覆盖范围广,常通过地形地貌多样、地质条件复杂的区域,受滑坡等地质灾害影响显著。浙江省台州市多山的地形地貌以及台风梅雨影响频繁的气候条件,导致不同规模的滑坡灾害多发。随着经济建设的发展,台州市区域内既有和新建输电线路逐渐增多,分析工程沿线区域滑坡易发性,确定滑坡灾害对输电塔的影响程度,不仅对工程建设和运维至关重要,而且是保障地区经济发展的必要手段。

目前对输电工程的多因素风险评价方法主要有:模糊综合评价法[1-3],模糊层次分析法[4-6],多层次灰色综合评价法[7-8]等,这些风险评价方法中对因素权重的选取方法可分为四类:基于经验描述的定性方法,如梯形模糊数法[9]、文献权重参考法[10];基于传统数学统计分析的定量方法,如信息量法[11]、熵权法[12];综合经验描述和数学统计的半定性半定量方法,如层次分析法[13];基于机器学习模型的数学统计方法,如随机森林模型[14]、决策树-快速聚类模型[15]、贝叶斯模型[16]。定性方法较为简单,但是主观性大,易发性评价精度较低,已有的定量方法可以提高评价精度,但是计算量很大,并且区域性强,需要评价区域的地质环境数据。基于统计概率学中的“样本估计母本”的思想,对于地质环境相似的区域,可以使用“样本”的易发性因素指标权重来估计“母本”的易发性因素指标权重,构建统一的指标权重评价体系。

针对目前多因素权重的选取偏主观和区域性显著的问题,本文基于地形地貌和气候条件与台州地区相似的研究区域滑坡统计数据,通过构建量化指标,采用随机模拟和遗传算法,优化获得多因素权重值,将其应用于台州地区滑坡易发性分析,并探讨输电线路受滑坡灾害影响程度,验证分析结果的可靠性,进而为浙江省类似地区的输电线路区域滑坡易发性评估提供参考。

1 多因素权重优化方法

1.1 数据来源与分类

为获得适用于台州地区多因素滑坡易发性分析的权重值,选取地形地貌和气候条件与台州相似的诸暨市西部山区为研究区域,基于该地区的滑坡统计数据开展权重优化。诸暨市区域多年平均降水量1 401.8 mm,蒸发量1 300 mm[17]。地貌上,研究区域自西向东由构造侵蚀低山向侵蚀剥蚀丘陵、冲积平原及山间谷地过渡,是滑坡易发区域[18]。2021年6月10日凌晨,诸暨市西部山区遭遇强对流天气,特大暴雨引发大量山体滑坡灾害,本文将该次滑坡灾害的统计数据作为基础数据,考虑的因素有高程、坡度、坡向、土壤、含水率、水系。基于数字高程模型,通过ArcGIS空间分析模块计算获得坡度、坡向数据,其余数据来源如表1所示。

表1 数据来源

根据DEM数据的分辨率,将研究区域划分为若干30 m×30 m研究单元。通过前期地质调查,2021年6月10日诸暨市西部山区发生的滑坡分布在n(n=698)个研究单元内。对于每个研究单元,对应6个因素,分别是高程、坡度、坡向、土壤、含水率和水系。

在分析滑坡易发性时,对每个因素赋予一个权重值(为0～1之间的无量纲值),将各因素指标的权重进行线性加权求和,并利用自然间断点分类方法,可将滑坡易发性区域分为:非常稳定、稳定、较稳定、较不稳定、不稳定、非常不稳定。由此可见,每个因素对应的权重值是决定滑坡易发性分析结果的关键,下面介绍如何基于已有数据优化因素权重值。

1.2 权重优化方法

最优的因素权重,是使得滑坡易发性分析结果与实际发生滑坡情况吻合度最高的权重组合。每组权重组合构成一个权重向量组w=w1,w2,w3,…,w6,wi为第i个因素的权重向量(i=1,2,3,…,6),每个权重向量的长度等于其指标分类数。对于每个研究单元,均有6个因素权重与之对应,因此可构建一个6×m阶的矩阵,见式(1):

(1)

矩阵中:每一列表示一个研究单元,该列中的元素表示每种因素对应的权重,每一行表示相同元素的权重在不同研究单元上的量值。K矩阵中的元素值均来源于w,例如,第1行的所有元素均来源于向量w1。

同理,对于已经发生滑坡的研究单元,可构建一个6×n阶的矩阵,见式(2):

(2)

其中,每一列表示一个发生滑坡的研究单元,该列中的元素表示每种因素对应的权重,每一行表示相同元素的权重在不同研究单元上的量值。Q矩阵中的元素值也来源于w。

在K矩阵和Q矩阵的基础上,定义参数R计算公式见式(3):

(3)

其中,R为单个滑坡所在研究单元的所有因素权重平均值与相应研究单元上所有因素权重平均值的比值,R值越高,说明滑坡点所占据的权重越高,滑坡易发性越高。在已知滑坡点的前提下,使R取到极大值的权重向量组w即为适用于研究区域的最优权重组合。

为获得最优权重组合,需要明确参数R和权重向量组w的函数关系。利用Matlab随机生成10 000组权重向量组,由式(3)计算出相应的10 000组R值。采用MATLAB中的BP神经网络曲线拟合工具,拟合获得R与w的函数关系。基于该函数关系,对R求极大值,获得相应的权重向量组wmax,结果如表2所示。

表2 因素指标分类

将同一研究单元的权重进行线性叠加,即可获得滑坡易发性评价指标:

(4)

其中,Ai为第i个研究单元经线性叠加后的权重总和;wij为第i个研究单元中第j个因素的权重值。

利用自然间断点分类方法将滑坡易发性区域分为:非常稳定、稳定、较稳定、较不稳定、不稳定、非常不稳定,并通过ArcGIS直观展示滑坡易发性图,如图1所示。由图1可见,滑坡主要发生在较不稳定、不稳定和非常不稳定区域。利用ArcGIS统计图1中不同易发区间的面积占比、灾害占比及灾害点密度信息,结果如表3所示。利用遗传算法优化的因素指标权重,研究区域滑坡较不稳定、不稳定和非常不稳定的区域占比为82.30%,与滑坡实际发生情况相符,说明得到的优化权重指标可用于相似条件下的滑坡性易发性评价。

表3 滑坡易发性分区统计信息比较

为验证最优权重的合理性和易发性分析结果的准确性,引入受试者工作特征曲线(简称ROC曲线)。ROC曲线是反映敏感性与特异性之间关系的曲线。横坐标X轴为特异性,也称为假阳性率(未发生滑坡灾害而预测存在滑坡灾害)。纵坐标Y轴称为敏感度,也称为真阳性率(发生滑坡灾害并预测存在滑坡灾害)。ROC曲线下方部分的面积被称为AUC,值域为[0,1],用来表示预测准确性,AUC值越高,也就是曲线下方面积越大,说明预测准确率越高。利用SPSS软件绘制基于遗传算法的滑坡易发性分类的ROC曲线,如图2所示。检验结果显示,基于遗传算法的权重线性组合模型的AUC值为0.816,说明输变电工程滑坡易发性分析具有足够的精度。

2 优化权重应用

2.1 研究区域概况

台州市位于浙江省中部沿海,地势上呈现西高东低的走向,地貌上自西向东由构造侵蚀低山向侵蚀剥蚀丘陵、海积平原逐渐过渡,地势起伏大。属亚热带季风气候区,雨量充沛,多年平均降水量1 558.471 mm[23]。台风影响规律为平均每年1次～2次,影响季节一般为4月—9月。自2010年以来,台州市进行了上百条110 kV和220 kV输电线路的施工工程,这些输电线路工程多位于地质条件复杂并且降雨丰沛的山区,易受滑坡灾害的影响。鉴于台州市与诸暨市在地形地貌和气候条件上的相似性,采用基于诸暨研究区域获得优化权重(如表2所示)开展台州地区滑坡易发性评价,分析采用的方法与本文第2部分方法一致,并分析输变电工程受滑坡影响的风险。

2.2 分析结果与验证

台州地区的高程、坡度、坡向、土壤、含水率和水系指标分类如图3所示,各权重进行线性叠加后的滑坡易发性分析结果如图4所示。

对滑坡易发性分区进行信息统计,发现滑坡易发性位于较不稳定、不稳定和非常不稳定的区域主要分布于台州西部的天台县、仙居县、黄岩区和临海市,面积占比为23.96%。在图4滑坡易发性地图基础上,叠加1 314座输电塔杆坐标,对输电线路滑坡易发性进行统计分析,如表4所示。由表4可知,输变电工程所在区域的滑坡易发性风险较低,位于较不稳定、不稳定和非常不稳定区域的输电塔杆数量为117座,仅占总输电塔杆数目的8.90%。不稳定的输电线路工程主要分布在仙居县的福应街道、朱溪镇,三门县的珠岙镇、海游镇,临海市的括苍镇,玉环市的坎门街道。

表4 输电线路滑坡易发性统计信息

3 结论

本文基于随机模拟和遗传算法原理,构建了多因素滑坡易发性分析指标权重优化方法,利用浙江省诸暨市滑坡统计分析资料,获得了与滑坡真实发生情况相近的多因素指标权重值,将该权重值用于地形地貌与气候条件相似的浙江省台州市滑坡易发性分析,探讨了滑坡对1 314座输电塔的影响程度,为输电线路安全与制定防灾对策提供参考,得出以下结论:

1)基于实际滑坡统计分析数据,采用随机模拟与遗传算法,能够较为高效地获得多因素指标权重值,为提升具有相似地形地貌和气候条件地区的滑坡易发性分析精度提供参考依据。

2)台州市滑坡易发性风险总体不高,位于较不稳定、不稳定和非常不稳定的区域主要分布于台州西部的天台县、仙居县、黄岩区和临海市,面积占比为23.96%。

3)所研究的1 314座输电塔受滑坡风险影响程度较低,位于较不稳定、不稳定和非常不稳定区域的输电塔杆数量仅占总输电塔杆总数的8.90%。不稳定的输电线路工程主要分布在仙居县的福应街道、朱溪镇,三门县的珠岙镇、海游镇,临海市的括苍镇,玉环市的坎门街道。