何禮元1 賈彥琨2 劉琨2 童驍2 梁伍1

1.北京中地華安環(huán)境工程有限公司；2.國家管網(wǎng)集團西氣東輸南昌輸氣分公司 

 

摘要：以某長輸管道水毀地質(zhì)災害為研究對象，采用Logistic回歸模型分別完成地質(zhì)災害易發(fā)性定量評價和影響條件地質(zhì)災害易發(fā)性定量評價，再綜合兩個定量評價結果獲得最終地質(zhì)災害易發(fā)性定量評價結果，據(jù)此將研究區(qū)域地質(zhì)災害易發(fā)程度劃分為高易發(fā)區(qū)、中易發(fā)區(qū)、低易發(fā)區(qū)和非易發(fā)區(qū)，對油氣管道防災減災有一定指導意義。

關鍵詞：油氣管道；地質(zhì)災害；水毀；邏輯回歸模型；易發(fā)性預測分區(qū)

 

我國長輸油氣管道沿線地質(zhì)環(huán)境和自然條件十分復雜，部分地段地質(zhì)災害嚴重，對油氣管道建設及運營構成較大制約和影響。根據(jù)近10年的統(tǒng)計，由地質(zhì)災害造成的油氣管道運行失效約占11%，僅次于第三方施工損壞和打孔盜油破壞，嚴重威脅著管道的運行安全。

本文以某長輸管道沿線為研究區(qū)，依據(jù)其年度地質(zhì)災害專業(yè)化排查出的地質(zhì)災害點及相關數(shù)據(jù)，根據(jù)野外調(diào)查數(shù)據(jù)分析地質(zhì)災害的發(fā)育條件、分布規(guī)律及致災因素，選取有效的評價指標。采用邏輯回歸模型構建易發(fā)性評價模型，預測災害易發(fā)性概率。根據(jù)R方檢驗和顯著性檢驗等結果判斷模型精度和可靠性。最后對地質(zhì)災害易發(fā)區(qū)域進行劃分，為油氣管道沿線的減災防災及規(guī)劃管理提供一定程度的參考。

1  Logistic回歸模型介紹

Logistic函數(shù)由比利時數(shù)學家Pierre François Verhulst在1938年提出[1-3]，形式如下：

其中，N（t）表示t時刻個體數(shù)，r表示內(nèi)在增長率，K表示承載力，化簡為：

當因變量為二值變量時，0表示事件未發(fā)生；1表示事件發(fā)生。定義P為事件發(fā)生的概率，未發(fā)生即為1-P，把P看作為自變量Xi的線性函數(shù)。P對于Xi在P=0或P=1附近是不敏感且緩慢的，非線性程度較高，于是尋求一個關于P的函數(shù)，使得它在P=0或P=1附近變化幅度較大，引入Logistic函數(shù)變換，解得邏輯回歸模型方程為：

式中：P為研究區(qū)地質(zhì)災害發(fā)生概率；e為邏輯回歸方程自然常數(shù)；b0為邏輯回歸方程截距（邏輯回歸方程的一個常數(shù)項）；bi（i＝1,2,3…,n）為邏輯回歸模型中對應的評價因子Xi（i＝1,2,3…,n）的邏輯回歸系數(shù)。

2  擬合分析

選取的指標有：高程X1、管道走向X2、積水影響長度X3、地表徑流與管道關系X4、地形地貌X5、管道埋深X6。將數(shù)據(jù)帶入Logistic回歸模型進行擬合，其中地表徑流與管道關系定義為分類變量，0表示否，1表示是。分類截止值設定為0.5。擬合后預測正確度統(tǒng)計如表 1所示，結果可知Logistic預測正確率高達81.1%，預測效果較好。

表 1 擬合優(yōu)度統(tǒng)計量

Cox & Snell R方和Nagelkerke R方檢驗結果參數(shù)表示模型的變量對因變量的解釋能力，取值為0～1，越接近1解釋能力越好。如表 2所示檢驗結果均大于0.5，說明具有較好的擬合程度。

表 2 擬合結果檢驗

擬合結果中自變量系數(shù)如表 3所示，B項為每個自變量所對應系數(shù)，S.E項為標準差，Sig項為顯著性試驗。在易發(fā)性評價過程中，邏輯回歸模型運算結果中的B值為各評價因子對災害發(fā)生的貢獻度，其值越大說明該因子對災害發(fā)生的影響越大。通過比較Wald和Sig值來判斷各評價指標的顯著性，Wald值越大或Sig值越小，顯著性就越高。根據(jù)顯著性檢驗結果，可以看出地表徑流與管道關系、管道埋深等因素對災害具有較高的敏感性。

表 3 自變量系數(shù)及結果檢驗

將常數(shù)、X1－X6自變量系數(shù)帶入式（3），q＝2.592－0.009X1＋0.006X2－0.002X3－1.359X4＋0.127X5＋0.326X6。最終得出水毀災害易發(fā)性概率計算模型如下：

3  易發(fā)性[4]概率預測

研究樣本為某長輸管道年度地質(zhì)災害專業(yè)化排查數(shù)據(jù)，地質(zhì)災害隱患點主要包括河溝道水毀、坡面水毀、臺田地水毀等。野外調(diào)查時數(shù)據(jù)源采集參數(shù)包括里程、經(jīng)度、緯度、高程、災害點類型、土質(zhì)類型、植被類型、管道走向、積水影響長度、地表徑流與管道關系、地形地貌、管道狀況、管道埋深等。如表 4所示，選取高程X1、管道走向X2、積水影響長度X3、地表徑流與管道關系X4、地形地貌X5、管道埋深X6六個指標數(shù)據(jù)進行概率預測。

表 4 管道沿線現(xiàn)場原始數(shù)據(jù)（以10組數(shù)據(jù)為例）

將原始數(shù)據(jù)在表格中進行整合，輸入IBM SPSS Statistics中，經(jīng)計算后將類別數(shù)據(jù)輸出為量化數(shù)據(jù)，將SPSS輸出結果帶入易發(fā)性概率計算公式中，計算結果如表 5所示。

表 5 原始數(shù)據(jù)SPSS輸出

4  地質(zhì)災害易發(fā)區(qū)[5-6]劃分

按照“區(qū)內(nèi)相似、區(qū)際差異”的原則，即在同一類型的區(qū)內(nèi)，地質(zhì)環(huán)境背景條件、主要誘發(fā)條件和地質(zhì)災害發(fā)育特征應基本相似，而不同類型的區(qū)內(nèi)，則具有明顯的差異性。依據(jù)定量評價結果，借助GIS（地理信息系統(tǒng)）技術，用電子信息化手段合并易發(fā)性相同或者相近的概率單元格，對地質(zhì)災害易發(fā)性程度進行等級分區(qū)，分區(qū)主要特征如表 6所示。

表 6 地質(zhì)災害易發(fā)程度分區(qū)主要特征

5  總結與建議

（1）通過Logistic回歸模型預測油氣管道水毀地質(zhì)災害易發(fā)性概率效果較好，根據(jù)預測結果對易發(fā)程度分區(qū)，為管道地質(zhì)災害日常管理劃出了重點，有利于管道管理單位將有限的資源合理利用，立足于治早治小，對油氣管道水毀地質(zhì)災害防災減災有一定指導意義。

（2）由于地質(zhì)災害的發(fā)育是地質(zhì)環(huán)境變化和影響因素綜合作用的結果，是不斷變化和發(fā)展的，在同一或臨近區(qū)域的影響因素相似性高。因此本文介紹的關于Logistic回歸模型水毀災害易發(fā)性概率計算結果適用于長輸油氣管道的易發(fā)性分區(qū)。同時，該方法所需采集的樣本較多，難以在日常管理中實施，主要依靠承包商單位周期性地質(zhì)災害專業(yè)化排查成果進行易發(fā)性預測分區(qū)。

（3）地質(zhì)災害的調(diào)查、防治將是一項長期的工作，下一步將結合區(qū)域監(jiān)測預警信息，減少現(xiàn)場數(shù)據(jù)采集工作量，實現(xiàn)短周期地質(zhì)災害易發(fā)性分區(qū)，為長輸油氣管道的安全運營提供長期保障。

 

參考文獻：

[1]田春山，劉希林，汪佳.基于 CF 和 Logistic 回歸模型的廣東省地質(zhì)災害易發(fā)性評價[J].水文地質(zhì)工程地質(zhì)，2016(11)：154-170.

[2]鐘畝鋒.基于確定性系數(shù)與Logistic回歸模型的地質(zhì)災害易發(fā)性評價[J].世界有色金屬，2020(01)：186-190.

[3]樊芷吟，茍曉峰，秦明月，范強，余建樂，趙建軍.基于信息量模型與 Logistic 回歸模型耦合的地質(zhì)災害易發(fā)性評價 [J].工程地質(zhì)學報，2018(04)：340-347.

[4]鐘蔭乾.地質(zhì)災害易發(fā)性評價[J].湖北地礦，2002，16(4)：81-86.

[5]尚慧，倪萬魁，程花.斜坡單元劃分在彭陽縣地質(zhì)災害危險性區(qū)劃的應用[J].中國水土保持，2011，3(2)：48-50.

[6]苗雨.基于GIS和Logistic模型的地質(zhì)災害危險性區(qū)劃研究[D].西安：長安大學，2010：1-59.

作者簡介：何禮元，1995年生，2018年畢業(yè)于安徽理工大學地質(zhì)工程專業(yè)，大學本科學歷，助理工程師，主要從事長輸油氣管道地質(zhì)災害勘查、評估、監(jiān)測預警工作。聯(lián)系方式：13135548788，757279399@qq.com。