典型文献
基于自组织特征映射网络-随机森林模型的滑坡易发性评价——以江西大余县为例
文献摘要：
为深入探讨评价单元和非滑坡样本选取对滑坡易发性预测的影响,构建了一种基于自组织特征映射网络-随机森林模型的滑坡易发性评价模型.该模型针对栅格单元和斜坡单元在滑坡易发性评价中的不足,结合栅格单元和斜坡单元的相互关系,提出了滑坡易发性指数的优化计算方法.在此基础上,基于随机森林Tree?Bagger分类器构建滑坡易发性评价模型,通过对比分析自组织特征映射网络和随机方法选取非滑坡样本对评价结果的影响,探讨自组织特征映射网络、随机森林和自组织特征映射网络-随机森林三种评价模型的有效性;将评价模型应用于大余县滑坡易发性评价.结果显示,随机森林模型和自组织特征映射网络-随机森林模型的预测精度较高,分别达到91.19％和94.94％,成功率曲线的AUC值分别为0.822和0.849,表明自组织特征映射网络-随机森林模型具有更高的预测率和成功率,?自组织特征映射网络聚类的预测精度虽然有限,但作为非滑坡样本的选择方法,能够有效提高随机森林模型的评价精度.
文献关键词：
斜坡单元;滑坡易发性;自组织特征映射网络;随机森林;非滑坡样本
中图分类号：
作者姓名：
何书;鲜木斯艳·阿布迪克依木;胡萌;陈康
作者机构：
江西理工大学资源与环境工程学院, 江西 赣州 341000;离子型稀土资源开发及应用教育部重点实验室(江西理工大学), 江西 赣州 341000
文献出处：
引用格式：
[1]何书;鲜木斯艳·阿布迪克依木;胡萌;陈康-.基于自组织特征映射网络-随机森林模型的滑坡易发性评价——以江西大余县为例)[J].中国地质灾害与防治学报,2022(01):132-140
A类：
Bagger
B类：
自组织特征映射网络,随机森林模型,滑坡易发性评价,大余县,评价单元,非滑坡样本,样本选取,滑坡易发性预测,易发性评价模型,栅格单元,斜坡单元,优化计算,Tree,分类器,随机方法,模型应用,功率曲线,网络聚类,选择方法,评价精度
AB值：
0.138985
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。
