城市安全⑭｜新技术破局：地质灾害防治路，机器学习来加速

每逢清明，细雨便如期而至，今年也不例外。然而，伴随雨水而来的，还有山体滑坡、泥石流等地质灾害风险的攀升。广州市孕灾环境复杂多变，雨量充沛，地质灾害多发频发，据不完全统计，我市现存斜坡地质灾害风险点近千处，其中，削坡建房风险点占大多数，自然边坡风险点和道路边坡风险点合计也超过150处。广州市斜坡地质灾害主要分布在北部和东部山区，规模相对较小，具有“点多面广”“灾害隐患点小且难以有效预警”等特征。

现场灾点照片

图源：自摄

我院岩土专业长期专注于广州地质灾害的防治，通过“人防+技防”的有机结合，目前已查明全市地质灾害发育分布情况，划分了地质灾害易发区和重点防治区。但传统的地质灾害识别、评价和预警大多依赖于人工观测、经验判断及简单的物理模型，难以高效、准确预测灾害发生的时间、地点和规模等。随着人工智能技术的发展和大数据时代的到来，机器学习作为人工智能中最具智能特征、最前沿的研究领域之一，被积极引入我市斜坡类地质灾害监测预警领域，并取得了一定成效，为地灾的智能预警、防治带来新的思路和变化。

机器学习，是指计算机通过算法从数据中以模仿人类学习的方式，实现自主适应及更新，并解决分类、回归、聚类三大问题。机器学习在地质灾害中的应用主要集中在早期识别、评价和预警三方面，早期识别与评价解决的是灾害发生的空间问题，预警则解决时间问题。机器学习对高维数据处理能力强、效率高、人为干预低，模型能自主适应和更新，可大大提升预警的准确性和精度。

在实际应用中，机器学习首先通过遥感测绘和现场调查技术进行地质灾害数据采集，再采用先进的机器学习算法，如随机森林、孤立森林、卷积神经网络等进行定量分析，实现地质灾害关键信息的提取，如主控因子、稳定性判断、失稳范围预测、预警阈值等。

机器学习应用流程

图源：自绘

模型落地应用

图源：自绘

供稿｜岩土工程研究一所

技术审核｜总工程师办公室

文图编辑｜办公室