| 基于SOM-I-SVM耦合模型的滑坡易发性评价 |
| |
| 引用本文： | 贾雨霏,魏文豪,陈稳,杨清卓,盛逸凡,徐光黎.基于SOM-I-SVM耦合模型的滑坡易发性评价[J].水文地质工程地质,2023(3):125-137. |
| |
| 作者姓名： | 贾雨霏 魏文豪 陈稳 杨清卓 盛逸凡 徐光黎 |
| |
| 作者单位： | 中国地质大学(武汉)工程学院 |
| |
| 摘 要： | 在使用机器学习模型对滑坡进行易发性评价时，通常会在滑坡影响范围之外随机选取非滑坡样本点，具有一定的误差。为了提高滑坡易发性评价的精度，将自组织映射（self-organizing map,SOM）神经网络、信息量模型（information,I）以及支持向量机模型（support vector machine,SVM）进行耦合，提出一种基于SOM-I-SVM模型的滑坡易发性评价方法，并将SOM神经网络与K均值聚类算法进行对比，验证模型的可靠性。以十堰市茅箭区为例，首先通过对环境因子的相关性及重要性分析，筛选出距水系距离、坡度、降雨量、距构造距离、相对高差、距道路距离、地层岩性等7个因子，建立滑坡易发性评价指标体系，在此基础上计算出各因子的分级信息量值，并作为模型的输入变量进行滑坡易发性评价。分别采用SOM神经网络和K均值聚类算法选取非滑坡样本，然后将样本数据集代入I-SVM模型预测滑坡易发性。将SVM、I-SVM、KMeans-I-SVM、SOM-I-SVM等4种模型预测精度进行对比，其ROC曲线下面积（AUC）分别为0.82,0.88,0.90,0.91，说明SOM-I-SVM模型能...
|
| 关 键 词： | 滑坡 易发性评价 信息量模型 支持向量机 自组织映射神经网络 |
|
|
