典型文献
基于机器学习法的青藏高原沙鲁里山系中段雪崩易发性评价研究
文献摘要：
青藏高原广泛发育、暴发频繁的雪崩对既有交通廊道造成严重威胁.采用高预测精度的机器学习算法对该类区域雪崩易发性进行评价,可快速、有效地对雪崩风险进行区域性评估.以青藏高原沙鲁里山系中段山区雪崩为研究对象,通过室内解译与现场验证相结合的方式识别并建立雪崩编目数据库,同时采用GIS、遥感等定量化提取技术,通过方差膨胀因子(VIF)筛选出14个评价因子,在此基础上利用支持向量机(SVM)、决策树(DT)、多层感知器(MLP)、K最邻近法(KNN)共4种机器学习模型对雪崩易发性进行评价并完成指数图的绘制,并采用Kappa系数和ROC曲线进行准确性检验.评价结果显示,SVM、DT、MLP、KNN的易发性指数分别在[0,0.964]、[0,815]、[0,0.995]、[0,1]范围内.精度检验结果显示这4种模型均具有较好或很好的预测精度,其中SVM模型的Kappa系数和AUC值均为最高,其AUC值高达0.912.结果表明研究区内雪崩易发性高的区域主要分布在夷平面以上的格聂山、日拱山等地,极高易发区平均海拔约4939 m,高易发区平均海拔约4859 m.该区域雪崩对川藏公路和在建的川藏铁路影响较小.该研究可为横穿沙鲁里山系的川藏铁路等重大工程建设的雪崩防灾减灾工作提供科学依据和方法借鉴.
文献关键词：
雪崩;易发性评价;机器学习;沙鲁里山系;青藏高原
中图分类号：
作者姓名：
文洪;巫锡勇;赵思远;边瑞;周桂宇;孟少伟;孙春卫
作者机构：
宜宾学院智能制造学部,四川宜宾 644007;西南交通大学地球科学与环境工程学院,四川成都 611756;四川大学水利水电学院水力学与山区河流开发保护国家重点实验室,四川成都 610065;中铁二院工程集团有限责任公司,四川成都 610031
文献出处：
引用格式：
[1]文洪;巫锡勇;赵思远;边瑞;周桂宇;孟少伟;孙春卫-.基于机器学习法的青藏高原沙鲁里山系中段雪崩易发性评价研究)[J].冰川冻土,2022(06):1694-1706
A类：
沙鲁里山系,雪崩风险
B类：
基于机器学习,青藏高原,中段,易发性评价,交通廊道,机器学习算法,解译,现场验证,编目,目数,定量化,提取技术,膨胀因子,VIF,评价因子,决策树,DT,多层感知器,MLP,KNN,机器学习模型,Kappa,精度检验,夷平面,易发区,平均海拔,川藏公路,川藏铁路,横穿,重大工程建设,防灾减灾
AB值：
0.233111
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。
