基于确定性系数与支持向量机的滑坡易发性评价

摘要：

准确的滑坡易发性评价对防灾减灾具有重大意义.以略阳县为研究区,在确定性系数模型(certainty factor,CF)易发性分区的基础上,剔除极高和高易发区后选取非滑坡点,提取CF值为支持向量机模型(support vector machine,SVM)的输入值,采取灰狼优化算法得到最优参数建立CF-SVM模型对研究区进行预测,同时与随机选取的非滑坡点SVM模型进行对比.结果表明:CF-SVM模型在极高和高易发区涵盖了74.2％的历史滑坡点,且受试者特征工作曲线下的面积(area under receiver operating characteristic curve,AUC)达到0.95,均高于SVM模型,由此说明CF-SVM模型具有更高的准确率,并且证明了在CF模型基础上选取非滑坡点的可行性,可为该区域的风险管理提供科学依据.

关键词：滑坡易发性、略阳县、支持向量机、确定性系数、非滑坡点

所属期刊栏目：23

分类号：P694(环境地质学)

资助基金：国家自然科学基金;国家自然科学基金

在线出版日期：2023-03-02（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：518-527