增量学习在滑坡易发性评价中的应用——以甘肃省天水市为例

为了提升机器学习模型在滑坡易发性评价任务中的泛化能力，以甘肃天水市为例，采用基于LightGBM的增量学习模型，并利用Autogluon自动机器学习框架实现模型的超参数优化和堆叠，以及使用SHAP可解释框架进行特征选择和数据异常分析，构建了适用于滑坡易发性评价的增量学习模型。通过在天水市不同区域采集的滑坡灾害数据进行模型验证，结果表明，基于增量学习的滑坡易发性评价模型能够有效地识别和预测滑坡易发区域，根据新数据集自适应调整模型，并且提高模型的性能。