基于PU-Bagging负样本采样的白龙江流域泥石流易发性分级评价
万芹江1
郑鸿超1
王洪磊2
吴彬3
石振明3
李元伟4
1.中国地质大学(武汉)工程学院,湖北 武汉 4300742.中国地质调查局水文地质环境地质调查中心,天津 3003093.同济大学土木工程学院,上海 2000924.天津水环九恒科技有限公司,天津 300304
摘要：为提高白龙江流域泥石流易发分区的可靠性,建立随机森林为基学习器的PU-Bagging负样本采样模型.选取高程、降水量等评价因子,使用逻辑回归、随机森林、支持向量机和XGBoost算法,构建白龙江流域泥石流易发性评价模型.根据混淆矩阵衍生的评价指标、ROC曲线和5种分级方法,对比分析了4种模型的性能,并利用SHAP分析评价因子对模型的贡献程度.结果表明:(1)支持向量机模型结合几何间隔分级方法的灾害识别精度提升了24%.(2)随机森林模型能够识别更多的潜在泥石流样本,而XGBoost模型可减少对非灾害样本的误判.(3)SHAP值对高程变化的敏感性间接反映了高差对泥石流发育的重要性.本研究可以为白龙江流域新型城镇化建设与泥石流防治工程的规划提供数据支撑.
关键词：白龙江流域负样本采样易发性泥石流分级方法工程地质学
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(No.42477150)
论文发表日期：2025-10-30
在线出版日期：2025-11-11（本平台首次上网日期，不代表文献的发表时间）
页数：15( 4044-4058 )
英文信息