| 基于机器学习的滑坡灾害易发性评价——以三峡库区为例 |
| |
| 引用本文： | 李明,蒋委君,董佳慧,金少锋,张宸伟,牛瑞卿.基于机器学习的滑坡灾害易发性评价——以三峡库区为例[J].华南地质,2023(3):413-427. |
| |
| 作者姓名： | 李明 蒋委君 董佳慧 金少锋 张宸伟 牛瑞卿 |
| |
| 作者单位： | 1. 中国地质调查局武汉地质调查中心(中南地质科技创新中心);2. 中国地质大学(武汉)未来技术学院;3. 中国地质大学(武汉)地球物理与空间信息学院;4. 安徽省地质矿产勘查局325地质队;6. 中国地质大学(武汉)地球物理与空间信息学院地球空间信息研究所 |
| |
| 摘 要： | 三峡库区滑坡灾害分布广、数量多、规模大、危害严重，因此开展滑坡灾害易发性评价对该地的地灾防治与处理具有重要参考意义。本文提取了地层岩性、地质构造、坡度、坡向、曲率、斜坡形态、植被指数、水系等17个因子，选用逻辑回归模型、支持向量机模型、集成学习的梯度提升迭代决策树模型和深度学习中的长短期记忆神经网络与卷积神经网络耦合模型四个机器学习模型进行滑坡灾害易发性评价，选取最优评价模型，完成三峡库区的易发性分区评价，总结研究区易发性空间区划特性。对比四种模型的AUC(Area Under Curve)精度可以得出结论：GBDT模型（Gradient Boosting Decision Tree Model）的AUC精度相对较高，优于其他三个模型，更适合三峡库区的滑坡易发性研究。GBDT的易发性评价结果显示：研究区内极高易发性区域和高易发性区域主要集中于渝东、鄂西一带以及长江沿岸和支流沿岸。研究结果是对整个库区的易发性进行评价，可为后续库区的防灾减灾提供参考。
|
| 关 键 词： | 机器学习 三峡库区 易发性 GBDT模型 |
|
| 点击此处可从《华南地质》浏览原始摘要信息 |
| 点击此处可从《华南地质》下载免费的PDF全文 |
|
