江西省龙南县滑坡易发性评价

摘要：

区域滑坡易发性评价是国内外地质灾害研究的重点和热点.目前,国内外学者已提出了支持向量机(support vector machine,SVM)、BP神经网络和随机森林等多种模型并成功用于滑坡易发性评价.但在利用这些机器学习模型评价滑坡易发性时,存在着参数选取困难、建模效率低、模型训练时间长和对评价指标解释能力弱等问题.为简化建模过程、提高预测精度及增强模型的可解释性,提出了基于频率比分析和偏最小二乘回归法(partial least squares regression,PLSR)的滑坡易发性评价模型.PLSR模型很好地发挥了主成分分析和回归分析的优势,考虑了评价指标间的内在联系,具有建模过程简洁、可解释性强的优点.将结合频率比法的PLSR模型应用于江西省龙南县滑坡易发性评价,并与BP神经网络、SVM模型的易发性评价结果进行对比.研究表明:PLSR模型的预测精度优于BP神经网络,且与SVM模型预测精度接近;另外,在综合考虑建模效率、预测精度和模型解释能力的情况下,PLSR模型具有更高的实用性.

关键词：滑坡易发性、频率比、偏最小二乘回归、BP神经网络、支持向量机

所属期刊栏目：19

分类号：P642(水文地质学与工程地质学)

资助基金：国家自然科学基金41807285

在线出版日期：2019-07-08（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：91-99