基于极端梯度提升算法的滑坡易发性评价模型

摘要：

机器学习用于地质灾害的易发性评价分析是当前研究的热点之一,不同的学习模型其效果不尽相同.为合理有效地评价滑坡地质灾害的易发性,依托浙江省温州市飞云江流域地质灾害的调查数据,应用地理信息系统(geographic information system,GIS)技术提取坡度、坡向、坡形、地表覆盖、地形湿度指数(topographic wetness index,TWI)、极端小时降雨量、内摩擦角、黏聚力、容重与风化层厚度10个滑坡致灾因子,基于极端梯度提升算法(extreme gradient boosting,XGBoost)构建模型用于滑坡地质灾害的易发性多分类评价.模型结果通过多分类混淆矩阵进行评价,并与支持向量机(support vector machine,SVM)模型进行精度比对分析.研究结果显示,训练后的XGBoost算法模型对测试集中极高易发区识别的召回率和精确率分别达到了97.92％和98.06％,F1达到97.99％,均优于SVM,可为研究地区的滑塌地质灾害易发性评价提供模型支持.

关键词：易发性评价分析、地理信息系统、致灾因子、XGBoost、支持向量机

所属期刊栏目：22

分类号：X915.5(安全科学基础理论)

资助基金：国家自然科学基金;浙江丽水地区灾害地质灾害调查项目

在线出版日期：2022-10-11（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：10347-10354