江西省龙南县滑坡易发性评价

论文摘要

区域滑坡易发性评价是国内外地质灾害研究的重点和热点。目前,国内外学者已提出了支持向量机(support vector machine,SVM)、BP神经网络和随机森林等多种模型并成功用于滑坡易发性评价。但在利用这些机器学习模型评价滑坡易发性时,存在着参数选取困难、建模效率低、模型训练时间长和对评价指标解释能力弱等问题。为简化建模过程、提高预测精度及增强模型的可解释性,提出了基于频率比分析和偏最小二乘回归法(partial least squares regression,PLSR)的滑坡易发性评价模型。PLSR模型很好地发挥了主成分分析和回归分析的优势,考虑了评价指标间的内在联系,具有建模过程简洁、可解释性强的优点。将结合频率比法的PLSR模型应用于江西省龙南县滑坡易发性评价,并与BP神经网络、SVM模型的易发性评价结果进行对比。研究表明:PLSR模型的预测精度优于BP神经网络,且与SVM模型预测精度接近;另外,在综合考虑建模效率、预测精度和模型解释能力的情况下,PLSR模型具有更高的实用性。

论文目录

• 1 滑坡易发性评价建模
•   1.1 偏最小二乘回归法
•   1.2 支持向量机
• 2 龙南县简介及基础环境因子分析
•   2.1 龙南县简介
•   2.2 数据源
•   2.3 龙南县基础环境因子选取
•   2.4 龙南县基础环境因子分析
• 3 滑坡易发性评价结果
•   3.1 偏最小二乘回归模型
•     3.1.1 模型拟合效果分析
•     3.1.2 评价指标分析与滑坡易发性评价
•   3.2 BP神经网络模型及SVM模型
•   3.3 模型精度分析
• 4 结论

文章来源

类型: 期刊论文

作者: 苏晨旭,田钦,刘本朝,杨光照,黄宽,黄发明

关键词: 滑坡易发性,频率比,偏最小二乘回归,神经网络,支持向量机

来源: 科学技术与工程 2019年17期

年度: 2019

分类: 工程科技Ⅱ辑,基础科学

专业: 地质学,工业通用技术及设备

单位: 南昌大学前湖学院,南昌大学建筑工程学院

基金: 国家自然科学基金(41807285)资助

分类号: P642.22

页码: 91-99

总页数: 9

文件大小: 650K

下载量: 243