-
题名基于不同机器学习的震后滑坡易发性建模研究
被引量：14
- 1
-
-
作者
周天游
刘畅
薛鹏
杨豹
舒建冬
-
机构
中国地质科学院探矿工艺研究所
万融建工有限公司
中冶成都勘察研究总院有限公司
四川省华地建设工程有限责任公司
-
出处
《自然灾害学报》
CSCD
北大核心
2023年第5期177-185,共9页
-
基金
国家重点研发计划项目(2018YFC1508804)。
-
文摘
不同机器学习预测滑坡易发性的建模过程及其不确定性有所差异,高精度地评价震后滑坡灾害易发性是实现有效防灾减灾的关键。首先建立了九寨沟“8·8”地震震后滑坡数据库,通过开展因子共线性诊断,从14个初始滑坡影响因子中剔除了2个因子,最终选取了12个因子参与滑坡易发性建模。然后选取逻辑回归(LR)、支持向量机(SVM)、随机森林(RF)和人工神经网络(ANN)4种机器学习模型和10折交叉验证数据取样方法,利用受试者特征ROC曲线和易发性指数分布特征(均值和标准差)等来探讨基于机器学习的滑坡易发性建模及其不确定性。结果表明,震后滑坡高易发区主要沿震中附近和沟谷发育分布;4种模型准确率AUC值均超过0.87,对于预测研究区潜在震后滑坡均具有良好的适用性;SVM易发性指数均值和标准差均较小,表明模型对滑坡有较好的识别能力,其预测精度均值CV_(mean)最高(0.925),其他模型依次为ANN(0.920)、LR(0.894)和RF(0.877)。研究结果对推广和促进机器学习模型在其他地区的易发性预测建模具有极其重要的意义。
-
关键词
震后滑坡
滑坡易发性评价
机器学习
10折交叉验证
防灾减灾
-
Keywords
post-seismic landslide
landslide susceptibility assessment
machine learning
10-fold cross-validation
disaster prevention and mitigation
-
分类号
P642.22
[天文地球—工程地质学]
-
