典型文献
信息量融入GA优化SVM模型下的地质灾害易发性评价
文献摘要：
地质灾害易发性评价是防灾减灾工作部署、灾害预警以及风险管控的基础,针对评价因子在量纲、性质等方面的差异以及评价模型的适用性、准确性等问题,以陕西省子长市作为研究区,引入信息量(information value,INF)模型与遗传算法(Genetic Algorithm,GA),提出一种信息量融入GA优化支持向量机(Support Vector Ma-chines,SVM)模型的地质灾害易发性评价方法.首先,从研究区的地形地貌、地质环境、生态环境三个方面选取坡度、坡向、河流距离、土地利用类型等9个评价因子,利用INF模型将各评价因子量纲进行统一,构建样本数据集;然后,利用GA迭代求解SVM关键参数c和g的最优值;最后,将全区点集属性数据代入训练好的模型中求解并输出子长市地质灾害易发性指数值,将该值代入ArcGIS软件得到地质灾害易发性区划图,并采用受试者工作特征(Receiver Operating Characteristic,ROC)曲线对模型预测结果的精度进行检验.结果表明:采用信息量融入GA优化SVM模型得到的子长市地质灾害易发性评价结果的准确率为93％,优于INF模型和INF-SVM模型;研究区内地质灾害极高、高易发区集中分布于研究区中南部、西部,地质灾害中易发区主要沿部分道路及支流呈树枝状散布,地质灾害低、极低易发区在整个研究区内分布最广.该研究结果可为同等地质条件下的地质灾害易发性评价提供一定的参考,同时也可为研究区内地质灾害防治工作提供理论依据.
文献关键词：
地质灾害;易发性评价;支持向量机;遗传算法;ROC曲线;子长市
中图分类号：
作者姓名：
杨康;薛喜成;李识博
作者机构：
西安科技大学地质与环境学院,陕西西安710054
文献出处：
引用格式：
[1]杨康;薛喜成;李识博-.信息量融入GA优化SVM模型下的地质灾害易发性评价)[J].安全与环境工程,2022(03):109-118
A类：
chines
B类：
信息量,GA,地质灾害易发性,易发性评价,防灾减灾,工作部署,灾害预警,风险管控,评价因子,量纲,子长市,information,value,INF,Genetic,Algorithm,优化支持向量机,Support,Vector,Ma,地形地貌,地质环境,坡向,土地利用类型,样本数据集,迭代求解,最优值,点集,属性数据,代入,练好,指数值,ArcGIS,易发性区划,区划图,受试者工作特征,Receiver,Operating,Characteristic,易发区,中南部,中易,分道,支流,树枝状,散布,地质条件,地质灾害防治,防治工作
AB值：
0.287449
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
