融合深度神经网络的三峡库区滑坡灾害易发性预测

作者：王毅; 方志策; 牛瑞卿

来源：资源环境与工程, 2021, 35(05): 652-660.

DOI：10.16536/j.cnki.issn.1671-1211.2021.05.013

• 滑坡灾害
• 易发性预测
• 深度学习
• 集成学习
• 三峡库区

由于滑坡地质灾害数据具有多源性、异构性和非线性等特点,传统的滑坡预测手段难以充分挖掘隐藏在滑坡系统中的规律性问题。为了解决该难题,利用Stacking集成学习技术将卷积神经网络(CNN)与循环神经网络(RNN)相结合,应用于三峡库区秭归—巴东段滑坡灾害易发性预测。首先,选取20个滑坡影响因子与研究区滑坡编录数据共同构建滑坡易发性数据库;然后,将滑坡与非滑坡样本划分为训练集和测试集;最后,基于训练集和Stacking技术来融合CNN与RNN,并利用该集成方法来进行易发性预测与精度评价。结果表明,在极其有限的样本条件下,Stacking集成方法预测性能较优,其总体精度比CNN、RNN和逻辑回归高出0.87%～2.89%。

• 单位
  中国地质大学（武汉）