典型文献
基于熵指数与随机森林模型的滑坡易发性评价
文献摘要：
机器学习广泛应用于区域滑坡易发性评价中.传统研究通常采用GIS随机生成的方法来获取安全点,但此类方法具有较大的随意性,使机器学习预测的结果精度不高,拟合性较差.此外之前的研究中区域面积选取得过小,致使降雨量在区域内差异不明显,导致训练对其不敏感,隐形地忽视了降雨量致灾因子.鉴于此,通过选取3.4万km2的渝东北区域为研究区,引入熵指数(IOE)-随机森林(RF)耦合的评价模型.该模型通过客观计算每类影响因子的概率密度和熵权指数形成熵权表,进而生成滑坡易发性分区图,从低易发区中选取安全点,确保为非滑坡单元,降低了随机性的同时提升了合理性与准确性.将选取的安全点与该地区581个滑坡点作为训练集与选取的坡度、坡向、地形地貌、岩性、距公路距离、距河流距离、距断层距离、NDVI、降雨量共9项影响因子导入随机森林算法中,再基于GIS平台得到渝东北地区滑坡易发性分区图,实现对该地区的滑坡灾害易发性评价.结果表明:IOE-RF模型比单一RF模型精度提高约8％,证明IOE-RF模型可适用于渝东北或类似大面积研究区滑坡易发性评价;渝东北区域中东西走向的弧形大巴山冲断-褶皱带附近与其他特高风险地区在未来的防治工作中应该重点关注.研究结果可为当地滑坡灾害预防与治理提供辅助决策依据.
文献关键词：
滑坡;易发性评价;熵指数;随机森林;机器学习;渝东北地区
中图分类号：
作者姓名：
白志刚;刘启蒙;刘瑜
作者机构：
安徽理工大学 地球与环境学院,安徽 淮南,232001;安徽理工大学 深部煤矿采动响应与灾害防控国家重点实验室,安徽淮南232001
文献出处：
引用格式：
[1]白志刚;刘启蒙;刘瑜-.基于熵指数与随机森林模型的滑坡易发性评价)[J].人民长江,2022(10):95-102
A类：
B类：
熵指数,随机森林模型,滑坡易发性评价,随意性,机器学习预测,中区,区域面积,降雨量,不敏,隐形,致灾因子,km2,东北区域,IOE,RF,过客,每类,概率密度,易发性分区,易发区,随机性,训练集,坡向,地形地貌,岩性,NDVI,随机森林算法,渝东北地区,滑坡灾害,模型精度,中东,弧形,大巴山,冲断,褶皱,特高,防治工作,地滑,灾害预防,预防与治理,辅助决策,决策依据
AB值：
0.271412
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。
