典型文献
顾及样本敏感性的滑坡易发性评价
文献摘要：
滑坡作为一种危害极大的自然地质现象,严重威胁着人民的生命财产安全.因此,科学、准确地评价滑坡体的易发性至关重要.随着机器学习的发展,基于机器学习的滑坡易发性评价逐渐成为研究热点.而在真实情况中,滑坡区域与非滑坡区域面积占比悬殊,这使得机器学习模型的应用存在较严重的样本不均衡问题.本文采用样本敏感性分析方法,综合多个机器学习模型在不同比例的正负滑坡样本集上的表现,以获取最均衡滑坡样本集;并在此样本集基础上采用深度随机森林模型,在示范研究区开展滑坡易发性评价.最终的评价结果接近真实分布,表明本文方法具有较好的有效性.
文献关键词：
滑坡易发性;样本敏感性分析;机器学习;深度随机森林
中图分类号：
作者姓名：
吕蓓茹;彭玲;李樵民
作者机构：
中国科学院空天信息创新研究院,北京100094;中国科学院大学资源与环境学院,北京100049;宁夏回族自治区遥感调查院,宁夏银川750021
文献出处：
引用格式：
[1]吕蓓茹;彭玲;李樵民-.顾及样本敏感性的滑坡易发性评价)[J].测绘通报,2022(11):20-25
A类：
样本敏感性分析,深度随机森林
B类：
顾及,滑坡易发性评价,生命财产安全,滑坡体,基于机器学习,真实情况,滑坡区,区域面积,悬殊,机器学习模型,样本不均衡,均衡问题,正负,样本集,随机森林模型
AB值：
0.183541
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。
