期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到7篇文章
< 1 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
权重线性组合与逻辑回归模型在滑坡易发性区划中的应用与比较 被引量：32
1
作者 王进 郭靖 +1 位作者 王卫东 方理刚 《中南大学学报（自然科学版）》 EI CAS CSCD 北大核心 2012年第5期1932-1939,共8页
以贵州省为研究区对滑坡易发性进行研究,对预测方法进行比较。其步骤为:首先,选取年均降雨量、岩性、高程、坡向、地形地貌、坡度、至构造线距离、至水系距离、至铁路距离和至公路距离10项评价指标作为影响滑坡发生的致灾因子,分别采用... 以贵州省为研究区对滑坡易发性进行研究,对预测方法进行比较。其步骤为:首先,选取年均降雨量、岩性、高程、坡向、地形地貌、坡度、至构造线距离、至水系距离、至铁路距离和至公路距离10项评价指标作为影响滑坡发生的致灾因子,分别采用主客观权重线性组合(WLC)模型及结合确定性系数的逻辑回归模型(LR)分析研究区内各致灾因子与滑坡发生的相关性并建立预测模型;其次,基于ArcGIS平台完成贵州省滑坡易发性区划图,结合历史滑坡分布,应用熵值法对2个模型的区划结果进行验证和比较。最后,从模型原理、运行环境和适用条件等方面对2个模型进行比较和讨论。研究结果表明:WLC模型和LR模型的熵权分别为0.255和0.745,表明逻辑回归模型(LR)的区划结果与实际的滑坡情况吻合度更高。 展开更多
关键词 滑坡易发性区划 GIS 权重线性组合 逻辑回归 贵州省
在线阅读 下载PDF
基于GIS与ANN模型的地震滑坡易发性区划 被引量：34
2
作者 许冲 徐锡伟 《地质科技情报》 CAS CSCD 北大核心 2012年第3期116-121,共6页
基于遥感数据、地理信息系统(GIS)技术和人工神经网络(ANN)模型,开展地震滑坡易发性区划研究。2010年4月14日玉树地震后,基于航片与卫星影像目视解译,并辅以野外调查的方法,在地震区圈定了2036处地震诱发滑坡。选择高程、坡度、坡向、... 基于遥感数据、地理信息系统(GIS)技术和人工神经网络(ANN)模型,开展地震滑坡易发性区划研究。2010年4月14日玉树地震后,基于航片与卫星影像目视解译,并辅以野外调查的方法,在地震区圈定了2036处地震诱发滑坡。选择高程、坡度、坡向、斜坡曲率、坡位、与水系距离、地层岩性、与断裂距离、与公路距离、归一化植被指数(NDVI)、与同震地表破裂距离、地震动峰值加速度(PGA)共12个因子作为地震滑坡易发性评价因子。这些因子均是应用GIS技术与遥感影像处理技术,基于地形数据、地质数据、遥感数据得到。训练样本中的滑动样本有两组,一组是滑坡区整个单滑坡体的质心位置,另一组是滑坡滑源区滑前的坡体高程最高的位置。应用这12个影响因子,分别采用这两组评价样本,基于ANN模型建立地震滑坡易发性索引图,基于GIS工具建立地震滑坡易发性分级图。分别应用训练样本中滑坡分布的点数据去检验各自的结果正确率,正确率分别为81.53%与81.29%,表明ANN模型是一种高效科学的地震滑坡易发性区划模型。 展开更多
关键词 地震滑坡 人工神经网络 滑坡易发性区划 地理信息系统
在线阅读 下载PDF
基于不同因子筛选方法的LightGBM-SHAP滑坡易发性研究 被引量：11
3
作者 陈丹璐 孙德亮 +1 位作者 文海家 辜庆渝 《北京师范大学学报（自然科学版）》 CAS CSCD 北大核心 2024年第1期148-158,共11页
以重庆市黔江区为例,选取23个评价因子构建滑坡致灾因子数据库,利用地理探测器与皮尔逊-主成分分析2种因子筛选方法选择因子最优组合;基于Bayesian-LightGBM-SHAP混合模型进行滑坡易发性评价,并对模型精度进行验证,分析影响黔江区滑坡... 以重庆市黔江区为例,选取23个评价因子构建滑坡致灾因子数据库,利用地理探测器与皮尔逊-主成分分析2种因子筛选方法选择因子最优组合;基于Bayesian-LightGBM-SHAP混合模型进行滑坡易发性评价,并对模型精度进行验证,分析影响黔江区滑坡发生的主导因子.初始模型的AUC值为0.801,Pearson Correlation Coefficient-BayesianLightGBM模型AUC值为0.824,GeoDetector-Bayesian-LightGBM模型AUC为0.835;由因子重要性可知,多年平均降雨量、高程、POI核密度与距河流距离是滑坡发生的最主要因子,而输沙指数、水流动力指数与坡位对滑坡的发生影响较弱.因子筛选法-Bayesian-LightGBM相结合的混合模型能够提高模型的准确性,为构建合理因子数据库提供参考框架;通过与因子重要性的结合分析,验证了地理探测器能够准确探测各因子对滑坡发生的贡献值,突出各滑坡地理因子组合之间的相关性,从而探究各因子与滑坡之间的关系. 展开更多
关键词 滑坡易发性区划 地理探测器 皮尔逊相关系数 主成分分析 贝叶斯优化 LightGBM SHAP
在线阅读 下载PDF
自动可解释机器学习滑坡易发性评价模型 被引量：1
4
作者 马祥龙 文海家 +2 位作者 张廷斌 孙德亮 潘明辰 《北京师范大学学报(自然科学版)》 CSCD 北大核心 2024年第6期806-818,共13页
模型训练的复杂性和预测结果的难以解释极大限制了机器学习在滑坡易发性评价领域的发展.本研究基于SHAP-XGBoost算法构建综合可解释的滑坡易发性评价模型,将“可解释的人工智能(explainable artificial intelligence,XAI)”和“自动机... 模型训练的复杂性和预测结果的难以解释极大限制了机器学习在滑坡易发性评价领域的发展.本研究基于SHAP-XGBoost算法构建综合可解释的滑坡易发性评价模型,将“可解释的人工智能(explainable artificial intelligence,XAI)”和“自动机器学习(automated machine learning,AutoML)”引入滑坡易发性评价研究,实现复杂模型训练、超参数优化、滑坡易发性评价制图和模型解释的自动化运行.该模型以网格单元和斜坡单元2种尺度在三峡库区奉节县的测试结果表明:模型实现了可解释的自动化滑坡易发性评价,具有较高的预测精度;基于网格单元与斜坡单元构建的模型测试集AUC值为0.875和0.873,准确率、精确度、召回率与F1分数值均远>0.5;SHAP算法可从全局与局部2个方面对模型进行解释,有助于理解模型决策成因与滑坡灾害的发生规律.此外,SHAP算法亦可解释单个评价单元的预测结果,具有较高的可信度.研究结果为自动机器学习与模型的可解释研究提供重要参考. 展开更多
关键词 AutoML Explainable SHAP 滑坡易发性区划
在线阅读 下载PDF
基于优化负样本采样策略的梯度提升决策树与随机森林的汶川同震滑坡易发性评价 被引量：26
5
作者 郭衍昊 窦杰 +3 位作者 向子林 马豪 董傲男 罗万祺 《地质科技通报》 CAS CSCD 北大核心 2024年第3期251-265,共15页
强震诱发的滑坡具有数量多、分布广、规模大等特点,严重威胁人民生命财产安全。滑坡易发性评价能够快速预测灾害空间分布,对于减轻震后灾害的危险性具有重要意义。在同震滑坡易发性评价研究中,如何选取滑坡负样本并通过耦合机器学习模... 强震诱发的滑坡具有数量多、分布广、规模大等特点,严重威胁人民生命财产安全。滑坡易发性评价能够快速预测灾害空间分布,对于减轻震后灾害的危险性具有重要意义。在同震滑坡易发性评价研究中,如何选取滑坡负样本并通过耦合机器学习模型提高评价精度的对比研究仍需进一步研究。以山区汶川地震诱发的滑坡为研究区,首先选取地形地貌、地质环境、地震参数等10个滑坡评价因子,分析滑坡空间分布规律;其次因子共线性分析检验数据冗余,接下来采用频率比法(FR)选取极低、低易发区滑坡负样本点的采样策略;最后采用基于决策树演化改进的梯度提升决策树(GBDT)、随机森林(RF)和耦合模型(FR-GBD与FR-RF),开展了基于机器学习的同震滑坡易发性区划并进行精度评价。研究结果表明:①滑坡空间分布受到多层级因子控制;②模型预测精度为:FR-RF(AUC=0.943)>FR-GBDT(AUC=0.926)>RF(AUC=0.901)>GBDT(AUC=0.856);③在低易发区选择滑坡负样本可以明显提高易发性精度。研究成果可为滑坡易发性中负样本的选择和评价模型构建提供参考同时也为震后滑坡的防灾减灾提供理论支持。 展开更多
关键词 随机森林(RF) 梯度提升决策树(GBDT) 机器学习 频率比法(FR) 采样策略 同震滑坡 滑坡易发性区划
在线阅读 下载PDF
基于随机森林-特征递归消除模型的可解释性缓丘岭谷地貌滑坡易发性评价 被引量：16
6
作者 孙德亮 陈丹璐 +3 位作者 密长林 陈星宇 密士文 李晓琴 《地质力学学报》 CSCD 北大核心 2023年第2期202-219,共18页
研究旨在基于随机森林-特征递归消除模型,通过SHAP算法(SHapley Additive exPlanation,SHAP)与部分依赖图(Partial Dependence Plot,PDP)对缓丘岭谷地貌区域进行滑坡易发性评价与内部机制解释,以期为地质灾害防治研究提供参考。利用优... 研究旨在基于随机森林-特征递归消除模型,通过SHAP算法(SHapley Additive exPlanation,SHAP)与部分依赖图(Partial Dependence Plot,PDP)对缓丘岭谷地貌区域进行滑坡易发性评价与内部机制解释,以期为地质灾害防治研究提供参考。利用优化随机森林算法对典型缓丘岭谷地区滑坡易发性进行研究,建立缓丘岭谷滑坡易发性评价模型;利用特征递归消除算法剔除噪声因子,选取地形地貌、地质构造、环境条件、人类活动5个类型16个因子构建重庆合川区滑坡致灾因子数据库;结合合川区754个历史滑坡点,利用随机森林算法对因子重要性进行排序,并根据专家经验法对研究区的滑坡易发性进行划分,将研究区的滑坡易发性分为极低、低、中、高、极高5个等级;应用部分依赖图对合川区滑坡发生影响大的因子进行解释和SHAP算法对个体滑坡进行局部解释。结果表明:与原模型相比,随机森林-特征递归消除模型测试集AUC值提高了0.019,证明了特征递归消除算法的有效性;训练集以及测试集的AUC值分别为0.769、0.755,具有较高的预测精度;缓丘缓坡地区在起伏较大地区滑坡密度较大,历史滑坡多集中于高易发地区;滑坡的空间分布具有不均匀性与复杂性,各致灾因子对滑坡发生的影响有着明显的区域特征与空间异质性,在缓坡丘陵地区多年平均降雨、高程、岩性3个因子对滑坡发生的影响最大;由SHAP算法对合川白塔坪上山公路滑坡事件进行解释,岩性与高程对滑坡起抑制作用,起伏度、坡度、归一化植被指数(NDVI)与POI核密度促进滑坡发生。综上所述,基于随机森林-特征递归消除模型在缓丘岭谷区滑坡易发性评价中具有较高的准确性,通过部分依赖图与SHAP算法对全局滑坡与个体滑坡发生的内在机理进行解释分析,有利于构建与完善不同地貌环境下滑坡易发性评价因子体系并探究滑坡内部决策机理,可为区域滑坡易发性评估与地质灾害防治提供参考。 展开更多
关键词 滑坡易发性区划 随机森林算法 缓丘岭谷区 特征递归消除算法 部分依赖图 SHAP算法
在线阅读 下载PDF
贵州省规划铁路网滑坡危险性评估 被引量：2
7
作者 李倩 《中南大学学报（自然科学版）》 EI CAS CSCD 北大核心 2011年第10期3170-3175,共6页
基于地理信息系统(GIS)平台,结合贵州省中长期铁路网规划以及基于逻辑回归模型编制的贵州省滑坡易发性区划图,提出区域铁路网滑坡危险性评估的3项指标:沿线区域滑坡易发性、历史滑坡对线路的影响度以及线路设计速度,并进行相应的指标量... 基于地理信息系统(GIS)平台,结合贵州省中长期铁路网规划以及基于逻辑回归模型编制的贵州省滑坡易发性区划图,提出区域铁路网滑坡危险性评估的3项指标:沿线区域滑坡易发性、历史滑坡对线路的影响度以及线路设计速度,并进行相应的指标量化工作。基于可拓学理论,将铁路滑坡危险性划分为4个级别,建立铁路滑坡危险性综合评价的物元模型,完成研究区域内17段铁路的滑坡危险性评估。研究结果表明:在省级尺度上,贵州省中长期规划铁路网中,成都—贵阳铁路等4段铁路属于极高危险,长沙—昆明铁路等4段铁路属于高危险,贵阳—广州铁路等5段铁路属于中危险;铜仁—玉屏城际铁路等4段铁路属于低危险。评价结果可用于辅助贵州省铁路网的规划、建设和运营养护工作。 展开更多
关键词 铁路网 滑坡易发性区划 物元模型 危险性评估
在线阅读 下载PDF
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 下一页 到第 页
关于我们 | 版权声明 | 联系我们 | 帮助中心| 意见反馈
主办单位：上海市教育委员会
技术支持：重庆维普资讯有限公司
渝公网安备 50019002500403号
使用帮助 返回顶部