[论文解读] Variable selection based on entropic criterion and its application to the debris-flow triggering

Chien-chih Chen, Chih‐Yuan Tseng+1 more|arXiv (Cornell University)|Sep 29, 2006

Landslides and related hazards参考文献 19被引用 32

一句话总结

本文提出最小熵分析（MEA）方法，这是一种基于熵准则的数据驱动变量选择技术，用于识别复杂地球物理系统中最相关的预测变量。该方法应用于台风贺伯后台湾的泥石流触发预测中，成功识别出三个关键变量——水文形态系数、滑坡面积和滑坡数量，为灾害建模中主观专家选择提供了定量、客观的替代方案。

ABSTRACT

We propose a new data analyzing scheme, the method of minimum entropy analysis (MEA), in this paper. New MEA provides a quantitative criterion to select relevant variables for modeling the physical system interested. Such method can be easily extended to various geophysical/geological data analysis, where many relevant or irrelevant available measurements may obscure the understanding of the highly complicated physical system like the triggering of debris-flows. After demonstrating and testing the MEA method, we apply this method to a dataset of debris-flow occurrences in Taiwan and successfully find out three relevant variables, i.e. the hydrological form factor, numbers and areas of landslides, to the triggering of observed debris-flow events due to the 1996 Typhoon Herb.

研究动机与目标

• 解决从大量潜在相关地球物理观测中选择相关变量的挑战，这些观测来自复杂系统。
• 开发一种系统化、定量的变量选择标准，避免依赖主观专家判断或临时假设。
• 展示最小熵分析（MEA）方法在识别泥石流触发关键预测变量方面的有效性。
• 将MEA结果与现有的基于GIS的灾害模型进行比较，以验证其性能和客观性。
• 为其他地球物理和地质数据分析问题提供可推广的变量选择框架。

提出的方法

• MEA方法使用相对熵（Kullback-Leibler散度）作为标准，根据模型相对于均匀参考分布的信息含量对模型进行排序。
• 它应用最小熵原理，识别出与非信息性（均匀）分布偏离最大的模型，表明其具有更高的信息含量和相关性。
• 该方法评估所有候选变量（如地形、地质、水文）组合的可能情况，并计算所得模型分布的熵。
• 熵值最低（最接近均匀分布）的模型被认为信息最少；熵值最高的模型则被排为信息最丰富且最相关。
• 该方法采用logit回归模型处理二元结果（泥石流是否发生），并在30个包含不同变量组合的子模型中评估熵值。
• 变量重要性通过子模型的熵值排序确定，熵值持续偏低的子模型表明其对应变量相关性较低。

实验结果

研究问题

• RQ1 在大量地球物理测量中，哪些变量最相关于泥石流发生的预测？
• RQ2 基于熵的准则能否客观识别关键预测变量，而无需依赖专家意见或启发式假设？
• RQ3 与依赖主观变量选择的传统GIS灾害模型相比，MEA方法在性能和一致性方面表现如何？
• RQ4 水文、地形和滑坡相关变量在台风影响区域泥石流触发中的贡献程度如何？
• RQ5 MEA框架能否推广应用于其他具有高维、噪声大或高度相关数据的复杂地球物理系统？

主要发现

• MEA方法成功识别出三个关键变量——水文形态系数、滑坡面积和滑坡数量——为台风贺伯后泥石流触发的最重要预测因子。
• 30个子模型的熵值显示，包含形态系数、滑坡面积和滑坡数量的组合持续产生最低熵值，表明其在预测模型中占主导地位。
• 该方法实现了变量重要性的定量排序，最优子模型（包含形态系数、滑坡面积和数量）的熵值为2.9346，为所有测试组合中最低。
• MEA结果与Lin等人（2002）基于GIS的模型高度一致，后者同样将形态系数和滑坡面积识别为关键因素，验证了该方法的可靠性。
• 该方法揭示，尽管滑坡数量在专家模型中未必优先考虑，但其在泥石流触发中可能具有显著作用，提示需进一步研究。
• MEA框架展现出稳健性和简洁性，为地球物理建模中的主观变量选择提供了系统化、客观的替代方案。