典型文献
基于信息量模型和机器学习方法的滑坡易发性评价研究——以四川理县为例
文献摘要：
以阿坝藏族羌族自治州地质灾害频发的理县为研究区,从地形地貌、地质环境、水文条件和人类工程活动等方面选取11个影响因子,通过皮尔森相关系数研究各因子之间的相关性,从而构建滑坡易发性评价指标体系.利用信息量模型计算各影响因子的信息量值,从信息量模型得出的极低和低易发性分区中选取非滑坡样本,在此基础上将样本数据代入随机森林和径向基函数神经网络2种机器学习模型开展滑坡易发性评价,并通过接收灵敏度(Receiver Operating Characteristic,ROC)曲线进行精度验证.结果显示:随机森林模型预测出的高易发区单位面积内分布的滑坡点数量更为集中,在仅占6.666％的区域分布了 74.026％的灾害点,评价结果优于径向基函数神经网络模型.ROC曲线中两模型AUC(Area Under Curve)值分别为0.893、0.874,说明随机森林模型具有更高的可靠性,比径向基函数神经网络在该区域地质灾害易发性评价中更具优势.
文献关键词：
滑坡灾害;易发性评价;信息量模型;机器学习方法;理县
中图分类号：
作者姓名：
周萍;邓辉;张文江;薛东剑;吴先谭;卓文浩
作者机构：
成都理工大学地球科学学院,四川成都610059
文献出处：
引用格式：
[1]周萍;邓辉;张文江;薛东剑;吴先谭;卓文浩-.基于信息量模型和机器学习方法的滑坡易发性评价研究——以四川理县为例)[J].地理科学,2022(09):1665-1675
A类：
B类：
信息量模型,机器学习方法,滑坡易发性评价,理县,阿坝藏族羌族自治州,地形地貌,地质环境,水文条件,工程活动,皮尔森相关系数,易发性评价指标,易发性分区,非滑坡样本,上将,代入,径向基函数神经网络,机器学习模型,接收灵敏度,Receiver,Operating,Characteristic,精度验证,随机森林模型,预测出,易发区,单位面积,区域分布,Area,Under,Curve,区域地质,地质灾害易发性,滑坡灾害
AB值：
0.290242
相似文献
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。
