基于机器学习MaxEnt模型的线性工程滑坡易发性评价

作者：王文霞

来源：矿产与地质, 2021, 35(06): 1221-1228.

DOI：10.19856/j.cnki.issn.1001-5663.2021.06.028

• 滑坡
• 高速公路
• MaxEnt模型
• LR Class指数
• 易发性评价

铁路、公路等线性工程沿线的滑坡易发性评价对线路维护和防灾减灾有重要意义。基于GIS平台和R语言MaxEnt软件，以国道109工程为例，采用机器学习方法中的最大熵模型（Maximum entropy model,MaxEnt），以高程、坡度、坡向、地形起伏度、地形湿度指数、粗糙度、工程地质岩组、距道路距离、植被覆盖度和土地利用类型等10个评价指标，实现了该线路工程沿线滑坡易发性评价。结果表明，模型训练和预测精度分别为80.2%和82.1%，证明了本次评估的有效性。同时，使用Jackknife检验揭示了坡向指标对滑坡贡献率最高。采用自然断点法将研究区分为极低、低、中、高和极高5个级别，有90个（72%）位于高易发区和极高易发区之中，LR Class指数为2.25，证明本次评价的有效性。研究成果可为同类线性工程的安全运营提供有益参考。

• 单位
  北京市地质工程勘察院