(成都理工大学管理科学学院 四川 成都 610059)

一、引言

自然环境是人类社会活动的基本载体，其中与地质环境的关系尤为密切。虽然很多学者都提出了地质环境承载力的概念、研究对象和研究内容，但是能够很好地将区域环境系统和区域社会经济活动的方向、规模相结合的环境承载力理论体系的研究还很少见到报道。大数据技术的发展，一方面促进了数据采集技术的更新，另一方面也促使着地质环境承载力方法的进步，尤其是人工智能技术应用，彻底改变了传统的评价方法。本文引入机器学习方法，以地质环境承载力的评价理论为基础，提出了基于机器学习算法的地质环境承载力评价方法。通过梳理国内外地质环境评价相关成果，分析地质环境的各种评价要素，提炼出影响地质环境承载力的主控因素，在此基础上建立适合于机器学习的地质环境承载力评价指标体系，再结合机器学习方法，构建基于机器学习算法的地质环境承载力评价模型，对区域地质环境承载力进行评价，为其他区域的地质环境承载力评价提供应用示范和评价方法。

二、基于机器学习的地质环境承载力评价思路

机器学习是一门多领域交叉学科，涉及数学、统计学、计算机等相关知识，机器学习算法包含的算法比较多，例如深度学习算法，人工智能算法，回归算法，决策树算法，贝叶斯算法，聚类算法等都属于机器学习算法。针对地质环境承载力评价，采用决策树算法来进行地质环境承载力评价，决策树算法是属于有监督学习的分类，通过将不同数据源汇集到一起，建立相关的数据池，对已知分类的数据进行机器学习，训练出相关模型。通过研究地质环境承载力评价和机器学习的相关文献，提炼相关评价方法；多渠道(包括野外)收集地质环境等相关资料，系统整理地质环境评价信息，在此基础上分析影响地质环境的主控因素，并进行指标分级，构建地质环境承载力综合评价指标体系；抽取相关地质环境历史数据，进行机器学习，生成地质环境承载力评价的规则库，构建地质环境承载力评价的机器学习模型，再通过模型对评价数据进行评价，得到评价结果。

三、机器学习 ID3评价算法流程

ID3算法的生成模型根据导入的样本数据，按照80%的样本比例作为训练集，依据ID3决策树算法原理，根据训练集生成ID3决策树的具体流程如下：(1)首选选择系统熵(经验熵)最大的属性作为最优属性进行分裂，创建根节点，为分支节点分配相应类别，遍历训练集一次；(2)如果训练集均属于同一类别或者训练集中只剩下一个样本，返回子节点，并将其作为叶节点，同时判定相应类别；(3)对训练集循环执行每个属性划分，计算该属性划分的信息熵，比较各个属性的信息熵，选择信息熵最大的属性作为分支节点进行分裂，同时训练集分裂为两个子集；(4)对训练集划分的子集反复执行步骤(1)-(3)，直到信息熵为0，所有分支节点为一类时，标为叶节点，输出分类结果。

根据以上流程，生成的ID3算法模型如下：

四、评价结果解释

根据构建的地质环境承载能力综合评价体系为理论基础，基于收集的乐山市地质环境方面的资料数据，对乐山市划分出的34个自然单元的地质环境承载能力，采用决策树方法进行了评价，得到了34个自然单元地质环境承载能力的综合值，并依据评价综合值将区域内的承载能力分为承载能力高(I)、承载能力中(II)和承载能力低(III)等三类。

根据乐山市地质环境承载能力综合评价结果，可得到如下结论：综合分析眉山市国土的空间特征、资源特征、环境特征，以及地质环境承载能力评价，眉山市区位优势明显，人口集聚程度高，适宜开发的资源相对丰富，是四川经济发展条件较好的区域，总体适宜优化开发。地质环境承载能力方面，高中山区为高海拔生态脆弱区，为崩滑流地质灾害高易发区，主要位于眉山市西部。地质环境承载能力大的区域位于中部和东部区域，地质环境承载能力较大的区域位于中部及中北部，总体地质环境承载能力高。