基于GIS和信息量法的四川峨眉山市地质灾害易发性定量评价

为进一步提高滑坡危险性预测模型精度、增强模型可解释性,本文以新疆伊犁河流域为研究区,选取8个影响滑坡发生的危险性因子,在反向传播神经网络（BPNN）基础上,借鉴博弈论思想,构建一种可解释BP神经网络模型（BPNN-SHAP）,解决神经网络滑坡危险性评价的“黑箱”问题。
将数据集分为70%训练集和30%测试集,采用5折交叉验证提高模型稳定性,对比深度神经网络（DNN）、随机森林（RF）和逻辑回归（LR）3个模型的评价精度,并探讨BPNN-SHAP预测结果的可解释性,完成区域滑坡危险性评价。研究结果表明：相较于其他模型,BPNN-SHAP模型的5个精度评价指标均为最高,分别是：准确率（A）=0.904、精准度（P）=0.911、召回率（R）=0.919、F1分数（F1_Score）=0.915、曲线下面积（S_AUC）=0.901;研究区滑坡极高、高危险区分别占比11.96%、15.53%,其中新源县和巩留县极高、高危险区占比最高,分别为51.1%、45.6%;滑坡主控因子为高程、坡度、降雨量和峰值地面加速度（PGA）,定量揭示高程在