基于信息量-机器学习耦合模型的水电梯级开发流域滑坡易发性评价

随着滑坡灾害形势的日益严峻,滑坡易发性评价的重要性愈发凸显。尽管统计方法与机器学习模型耦合已被广泛应用,但尚未开展水电梯级开发流域的评价工作。水电梯级开发流域内部的大坝和水库不仅改变了水流和水位,还深刻影响了地下水位,增加了库岸的滑坡风险。本文以清江水电梯级开发流域为研究区,针对水电梯级开发流域的独特环境,考虑了水流强度指数(SPI)、地形湿度指数(TWI)和地下富水性3个因子,结合前人经验共选取18个影响因子,通过历史数据进行贡献率分析,剔除了3个低贡献因子,优化了整体评估体系。结合信息量法和机器学习,本文构建了4种模型,其中IV-ANN模型表现最为出色,准确率高达82.41%。本文模型充分考虑了水电梯级开发流域孕灾条件,为水电梯级开发流域的科学研究和灾害防治工作提供了有益参考。