本发明属于自然灾害风险评估，具体涉及道路灾害风险评估、多灾种风险及模糊神经网络技术。
背景技术：
0、技术背景
1、现阶段，对于灾害风险的研究已从单灾种研究逐步向多灾种耦合和多灾害链共同作用的方向转变，灾害风险评估已逐步从定性分析向定量分析转变，但是自然灾害风险评估的影响因素众多，评价指标的选取原则和计算方法也各不相同，因此计算结果也存在这差异，难以确定统一的评价标准；对于道路灾害风险评估的研究还处于起步阶段，集中在图像识别和遥感影像上，不能实现对道路灾害的实施预测。
2、为此，建立一种基于模糊神经网络的道路自然灾害风险评估方法，将风险评价指标的选取分为气象条件、地质条件和人类活动因素三大类，从中选取温度、相对湿度、降水量、高程、坡度、坡向、地质岩性、植被覆盖率、历史影响因子和道路密度十个影响因素，综合考虑多灾种影响；同时，采用模糊神经网络模型进行道路自然灾害风险评估，使用定量的方式对灾害风险进行预测，减少人为干预，提高准确率，且选取影响因素指标易于获取确定，结果基本可靠，适于大面积推广。
3、
4、
技术实现思路
1、本发明的目的在于建立一种基于模糊神经网络的道路自然灾害风险评估方法，来解决道路自然灾害风险评估中定性评估，人为主观因素干扰的问题，且实现了多灾害种类综合评估分析。
2、为实现上述目的，本发明采用了如下技术方案：
3、通过对道路历史灾害情况和灾害影响因素进行分析，明确主要道路自然灾害，从气象条件、地质条件和人类活动因素三大类中选取温度、相对湿度、降水量、高程、坡度、坡向、地质岩性、植被覆盖率、历史影响因子和道路密度十个影响因素指标，将模糊理论与神经网络相结合构建道路自然灾害风险评估模型；采用模糊神经网络确定各影响因素权重；通过模糊神经网络计算不同情况下的道路自然灾害风险评估值；构建风险等级标准，建立道路自然灾害风险评估体系，绘制道路自然灾害风险图。
4、包括以下步骤：
5、对道路自然灾害情况进行分析，确定影响道路的自然灾害类型，自然灾害类型包括：崩塌、滑坡、泥石流、沉陷、塌陷、洪水；
6、综合分析影响道路自然灾害的影响因素，考虑气象条件、地质条件和人类活动因素，选择温度、相对湿度、降水量、高程、坡度、坡向、地质岩性、植被覆盖率、历史影响因子和道路密度十个指标；
7、基于上述十个影响因素建立研究区自然灾害风险评估数据集，通过模糊综合评价法进行研究区自然灾害风险评估获得模糊神经网络训练集；
8、将训练集进行归一化处理，通过模糊神经网络进行训练，达到最佳训练结果生成最适合权重，保存模型及相应权重值；
9、引入道路网灾害发生点确定其相应影响因素数值，通过模糊神经网络模型及已保存权重进行计算，获得道路网自然灾害风险评估结果，生成预测集；
10、将以获取的训练集和预测集做交叉验证，验证模型评价结果准确性；
11、所获得数值计算结果进行划分，划分为低等级风险区，中等级风险区，高等级风险区；
12、根据所获得的危险区等级划分，通过arcgis软件绘制路段分级，低风险等级路段，中风险等级路段，高风险等级路段。
13、优选地，神经网络线性回归训练集的确定根据基于熵值法的模糊综合评价法，数据标准化、计算信息熵、计算指标权重、加权平均法计算模糊算子。
14、优选地，所述s4中，模糊神经网络的构建，包括输入层、隶属度函数计算层、规则判断层定义、归一化计算、输出预测结果。
15、优选地，所述s6中，s5中的所述预测集同s3的所述数据集做交叉验证，交叉验证方法选取k折交叉验证。
16、优选地，所述s7中，根据神经网络预测结果数值进行风险等划分，预测结果y<0.2为极低风险等级路段，0.2≤y<0.4为较低风险等级路段，0.4≤y<0.6为中风险等级路段，0.6≤y<0.8为高风险等级路段，y>0.8为极高风险等级路段。
17、与现有技术相比，本发明充分结合道路灾害与自然灾害的相关性，分析道路自然灾害风险评价的特点，选取主要影响因素，通过气象条件中的温度、相对湿度、降水量反应致灾因子的危险性，地质条件中的高程、坡度、坡向、地质岩性、植被覆盖率反应承灾体敏感性叠加表示人类活动因素的指标历史影响因子和道路密度，通过模糊综合评价、模糊理论和神经网络相结合建立基于模糊神经网络的可用于多灾种的道路灾害风险评估模型，反应道路自然灾害风险点的风险等级，增强评估结果的科学性，通过评估结果对灾害风险点进行预警和管控，确保道路畅通以及人们出行安全。
1.一种基于模糊神经网络的道路自然灾害风险评估方法，其特征在于，包括：
2.根据权利要求1所述基于模糊神经网络的道路自然灾害风险评价方法，其特征在于，包括以下步骤：
3.根据权利要求2所述的基于模糊神经网络的道路自然灾害风险评价方法，其特征在于：所述s2中，对影响因素的选取温度、相对湿度、降水量、高程、坡度、坡向、地质岩性、植被覆盖率、历史影响因子和道路密度十个指标，可通过相应部门的系统服务器，获取存储相应的实时数据并进行评估。
4.根据权利要求2所述的基于模糊神经网络的道路自然灾害风险评价方法，其特征在于：所述s3中，神经网络线性回归训练集的确定根据基于熵值法的模糊综合评价法，数据标准化、计算信息熵、计算指标权重、加权平均法计算模糊算子。
5.根据权利要求2所述的基于模糊神经网络的道路自然灾害风险评价方法，其特征在于：所述s4中，模糊神经网络的构建，包括输入层、隶属度函数计算层、规则判断层定义、归一化计算、输出预测结果。
6.根据权利要求2所述的基于模糊神经网络的道路自然灾害风险评价方法，其特征在于：所述s6中，s5中的所述预测集同s3的所述数据集做交叉验证，交叉验证方法选取k折交叉验证。
7.根据权利要求2所述的基于模糊神经网络的道路自然灾害风险评价方法，其特征在于：所述s7中，根据神经网络预测结果数值进行风险等划分，预测结果y<0.2为极低风险等级路段，0.2≤y<0.4为较低风险等级路段，0.4≤y<0.6为中风险等级路段，0.6≤y<0.8为高风险等级路段，y>0.8为极高风险等级路段。
