科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对机器学习模型在滑坡易发性评价中，模型超参数的选择往往会影响评价结果准确性的问题，该文以离柳煤矿区为研究区，基于滑坡编录数据，确定研究区内356个滑坡点，并提取了13个滑坡易发性评价因子，利用贝叶斯优化(BO)算法对极限梯度提升(XGBoost)模型进行优化，并用BO-XGBoost、BO-RF和BO-SVM这3种模型对研究区进行滑坡易发性评价，采用F1值、准确率和ROC曲线对3种模型的预测性能进行比较。结果表明：(1)13个评价因子均满足独立性要求，且滑坡易发性关系最密切的4个评价因子依次是采矿扰动、距道路距离、高程和地层岩性；(2)与传统XGBoost、RF和SVM相比，BO算法优化后的3种模型在预测精度上有显著提升，在研究区内，BO-XGBoost相比BO-RF和BO-SVM模型泛化能力较好，滑坡易发性评价结果精度较高。
- 单位
