考虑机器学习建模中训练/测试集时空划分原则的滑坡易发性预测建模
黄发明1
欧阳慰平2
蒋水华2
范宣梅3
连志鹏4
周创兵2
1.南昌大学工程建设学院,江西南昌 330031;成都理工大学地质灾害防治与地质环境保护国家重点实验室,四川成都 6100592.南昌大学工程建设学院,江西南昌 3300313.成都理工大学地质灾害防治与地质环境保护国家重点实验室,四川成都 6100594.中国地质调查局武汉地质调查中心,湖北武汉 430205
摘要：滑坡易发性预测时大多按空间随机来划分模型训练/测试数据集,但随机划分方式难免将不确定性因素引入建模中.因为理论上滑坡易发性是基于过去的滑坡来预测将来发生滑坡的空间概率,具有显著的时间顺序特征而非单纯的空间随机,可见有必要探索基于滑坡发生的时间顺序划分模型训练/测试集.以浙江文成县为例获取 11类环境因子及 128个时间准确的滑坡;之后将联接了环境因子的滑坡‒非滑坡样本分别按照滑坡时间顺序和空间随机的原则,划分为两类不同训练/测试集;其划分比例分别设定为 9∶1、8∶2、7∶3、6∶4和 5∶5等以避免不同比例影响研究结果,由此得到 10种组合工况下的训练/测试集;最后再训练测试支持向量机(SVM)、多层感知器(MLP)和随机森林(RF)等模型以预测滑坡易发性并分析其不确定性.结果表明:(1)训练/测试集按时间顺序划分的SVM、MLP和RF模型预测的滑坡易发性的不确定性略低于按空间随机性划分的模型,验证了按时间顺序划分的可行性;(2)训练/测试集按时间顺序划分实际上是其在空间随机划分下的一种更符合滑坡发生实际情况的"确定性"特征,当然对缺乏滑坡发生时间的数据集开展空间随机划分也是可行的.
关键词：滑坡滑坡易发性时间顺序训练/测试集比例机器学习工程地质
分类号：P64(水文地质学与工程地质学)
资助基金：国家自然科学基金(No.42377164)
论文发表日期：2024-05-15
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( 1607-1618 )
英文信息