基于卷积神经网络的滑坡易发性评价:以辽南仙人洞国家级自然保护区为例
郑德凤1
高敏2
闫成林2
李媛媛2
年廷凯3
1.辽宁师范大学辽宁省自然地理与空间信息科学重点实验室,辽宁大连 116029;辽宁师范大学地理科学学院,辽宁大连 1160292.辽宁师范大学地理科学学院,辽宁大连 1160293.大连理工大学建设工程学院,辽宁大连 116024
摘要：为了解决滑坡易发性评价过程中存在的滑坡编录数据不足,主观或者随机地选取非滑坡栅格单元而导致模型准确率较低等问题,以辽南仙人洞国家级自然保护区为研究区,首先,从地形地貌、地质条件、水文气象条件和人类工程活动等方面选取了 12个评价因子构建滑坡评价体系;其次,利用SMOTETomek综合采样方法解决滑坡与非滑坡样本类别的比例失衡问题,进而建立滑坡易发性评价模型的数据集;最后,针对研究区东西两侧(A区和B区)的非线性滑坡数据,通过构建卷积神经网络(Convolutional Neural Networks,CNN)模型进行滑坡易发性评价,并精准绘制了研究区滑坡易发性分布图.结果表明:CNN模型具有良好的适应性,绘制的滑坡易发性分区图显示出合理的空间分布,A区和B区的测试集AUC面积分别为 91.2%和 94.3%;70%的滑坡数据分布在较高及以上等级的易发区,68.7%的非滑坡数据分布在较低及以下等级的易发区;滑坡高易发区主要位于研究区东北部猫岭北沟山一带、冰峪沟风景区的北部山区和碧流河水库沿岸区.研究成果为辽南仙人洞国家级自然保护区的地质灾害防治规划、应急预案制定等提供了重要的科学依据.
关键词：滑坡卷积神经网络综合采样方法易发性仙人洞国家级自然保护区工程地质
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(Nos.42077272)国家自然科学基金(42377185)辽宁师范大学高端科研成果培育资助计划项目(No.23GDL007)
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：11( 1654-1664 )
英文信息