通过概率性事件后反分析方法提升泥石流蔓延危险性评估的准确性

《Landslides》：Enhancing debris flow run-out hazard assessment through probabilistic post-event back analysis

泥石流运移沉积过程复杂，需通过贝叶斯概率回溯分析结合支持向量机代理模型优化动态数值模型参数，利用概率密度演化方法（PDEM）计算网格超越概率生成危险区划图，结果显示参数更新后危险区划与实际沉积区高度吻合且不确定性显著降低。

　　

摘要

泥石流的流动和沉积过程极其复杂。为动态数值模型确定可靠的输入参数以预测泥石流灾害范围，并考虑流动过程中的不确定性，是必须解决的关键挑战。为应对这些挑战，本研究提出了一种基于贝叶斯的概率反分析方法来估算泥石流的流变参数，并采用概率预测方法来评估泥石流的灾害风险。首先，应用概率反分析方法校准流变参数分布，并通过整合同一沟壑中历史泥石流事件的观测影响区域与先验统计数据来获得后验估计值。此外，还使用基于支持向量机的替代模型来近似本研究中使用的动态数值模型，从而显著提高了概率反分析的计算效率。随后，根据更新后的后验分布和灾害分类标准，利用概率密度演化方法（PDEM）计算每个网格单元潜在泥石流影响区域的超越概率，并生成相应的灾害分区图。结果表明，通过概率反分析得到的更新参数有效地划分了潜在泥石流的关键危险区域，其中预测的极高危险区域与观测到的泥石流沉积区域在空间上具有显著一致性。与之前的分区结果相比，基于后验参数的预测显著降低了不确定性。因此，所提出的方法被证明是可行的，为泥石流风险评估和管理提供了一种可靠的工具。