机器学习模型在滑坡易发性评价中的应用

作者：刘福臻; 王灵^*; 肖东升

来源：中国地质灾害与防治学报, 2021, 32(06): 98-106.

DOI：10.16031/j.cnki.issn.1003-8035.2021.06-12

• 滑坡易发性
• 频率比量化
• k均值聚类
• 神经网络
• 支持向量机

机器学习在滑坡的易发性评价中面临两个难点,一是评价指标的客观量化,二是训练样本的选择。鉴于此,采用频率比法实现了评价指标的客观量化,利用k均值聚类算法实现了非滑坡样本数据的筛选。结果表明,以k均值聚类算法筛选非滑坡为前提,神经网络的训练精度由73%提升到了97%,支持向量机的训练精度由75%提升到了96%。基于GIS平台,将神经网络和支持向量机模型计算的全区易发性指数按自然断点法分为五个区域,分区图与历史灾害点的叠加分析统计结果显示,神经网络在全局范围内的评价结果优于支持向量机模型,全局精度分别为76%和74%。研究结果可为南江县的防灾减灾工作提供参考。

• 单位
  西南石油大学