基于XGBoost模型的三峡库区燕山乡滑坡易发性评价与区划

作者：吴宏阳; 周超^*; 梁鑫; 袁鹏程; 余蓝冰

来源：中国地质灾害与防治学报, 2023, 34(05): 141-152.

DOI：10.16031/j.cnki.issn.1003-8035.202206020

• 滑坡
• 易发性建模
• 极致梯度提升模型
• 预测精度
• 模型稳健性

滑坡易发性评价是精细化滑坡灾害风险评价的基础。为了提升滑坡易发性评价模型的精度和稳健性，以三峡库区万州区燕山乡为例，选取工程地质岩组、堆积层厚度等九个影响因子构建滑坡易发性评价指标体系，应用信息量模型定量分析滑坡发育与指标之间的关系。在此基础上，随机选取70%/30%的滑坡样本作为训练/验证数据集，应用极致梯度提升模型(extreme gradient boosting, XGBoost)开展易发性评价。随后从模型预测精度和模型稳定性两方面将其与决策树模型(decision tree, DT)和梯度提升树模型(gradient boosting decision tree, GBDT)进行对比。结果表明：研究区堆积层滑坡主要受长江水系、堆积层厚度和工程地质岩组影响。XGBoost模型具有最高的准确率(94.3%)和预测精度(97.3%)。在模型稳定性验证中，平均预测精度最高(97.3%)，优于DT(91.3%)和GBDT(95.7%)，模型标准差和变异系数均为0.01，低于其余两种模型。XGBoost在区域滑坡易发性评价与制图中得到了可靠的结果，为滑坡灾害空间预测提供了新的技术支撑。

• 单位
  中国地质大学（武汉）