基于集成学习与径向基神经网络耦合模型的三峡库区滑坡易发性评价
周超
殷坤龙
曹颖
李远耀
1.中国地质大学地理与信息工程学院,湖北武汉 4300782.中国地质大学工程学院,湖北武汉 4300743.中国地质大学地质调查研究院,湖北武汉 430074
摘要：准确的滑坡易发性评价结果是滑坡风险评价的重要基础.为提升滑坡易发性评价精度,以三峡库区龙驹坝为例,选取坡度等10个因子构建滑坡易发性评价指标体系,应用频率比方法定量分析各指标与滑坡发育的关系.在此基础上,随机选取70％/30％ 的滑坡数据作为训练/测试样本,应用径向基神经网络和Adaboost集成学习耦合模型(RBNN-Adaboost),径向基神经网络和逻辑回归模型分别开展易发性评价.结果显示:水系距离、坡度等是滑坡发育的主控因素;RBNN-Adaboost耦合模型的预测精度最高(0.820),优于RBNN模型和LR模型的0.781和0.748.Adaboost集成算法能进一步提升模型的预测性能,所提出的耦合模型结合了两者的优点,具有更强的预测能力,是一种可靠的滑坡易发性评价模型.
关键词：滑坡灾害易发性评价集成学习径向基神经网络三峡库区
分类号：P954(自然地理学)
论文发表日期：2020-06-15
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：12( 1865-1876 )
英文信息