基于深度学习的滑坡灾害易发性分析

作者：王毅; 方志策; 牛瑞卿; 彭令

来源：地球信息科学学报, 2021, 23(12): 2244-2260.

• 滑坡
• 易发性分析
• 数据表达
• 卷积神经网络
• 特征提取
• 逻辑回归
• 异质集成
• 铅山县

滑坡灾害成因机理复杂、影响因素众多,深度学习作为当前人工智能领域的热点,能够更好地模拟滑坡灾害的形成并准确预测潜在的斜坡。为了挖掘深度学习在滑坡易发性的应用潜能,本文构建了一维、二维和三维的滑坡数据表达形式,并提出3种基于卷积神经网络模型(Convolutional Neural Networks, CNN)的滑坡易发性分析处理框架:基于CNN分类器、基于CNN与逻辑回归的融合和基于CNN集成,最后以江西省铅山县为研究对象进行验证,结果表明:所有基于CNN的易发性模型都能够获得准确且可靠的滑坡易发性分析结果。其中,基于二维数据的CNN模型在所有单分类器中预测精度最高,为78.95%。此外,二维CNN特征提取能够显著提升逻辑回归的预测精度,其准确率提升7.9%。最后,异质集成策略能够大幅度提升基于CNN分类器的滑坡预测精度,其准确率提升4.35%～8.78%。

• 单位
  中国地质大学（武汉）; 中国地质环境监测院