基于LR-ANN-SVM的滑坡易发性评价

发布时间：2025-02-05 13:00

　　 针对传统大数据机器学习等方法进行滑坡易发性评价时,存在过于追求模型评价精度,导致在中易发区与低易发区存在滑坡产生的风险,提出了风险预警来降低中与低易发区产生的滑坡灾害。选取神经网络模型(ANN)、逻辑回归模型(LR)、支持向量机模型(SVM) 3种学习方法,对上犹县进行滑坡易发性评价,将上犹县分为高易发区、较高易发区、中易发区、较低易发区,低易发区。由受试者工作曲线(ROC)下的面积(AUC)显示:神经网络(ANN)的AUC=0.939,逻辑回归模型(LR)的AUC=0.897,支持向量机(SVM)的AUC=0.884,均具有较高的评价精度。根据以上的易发性评价结果,得到上犹县栅格的易发性指数(LSI),然后基于MAX(LSI (LR)、 LSI(ANN)、 LSI(SVM))函数对上述模型的易发性指数取最大值,并对上犹县进行滑坡易发性评价。结果显示:LR-ANN-SVM的AUC=0.815,有较高的易发性评价精度。从高易发区与较高易发区所含滑坡占比来看,LR、ANN、SVM、LR-ANN-SVM的滑坡占比分别为80.6%、74.6%、91%、93.2%,表明根据ANN-LR-SVM易...

【文章页数】：9 页

【部分图文】：

图1 基于LG-ANN-SVM易发性评价流程

本文以上犹县为研究区，首先根据遥感图像与实际调查获取滑坡易发性评价的影响因子，通过相关性分析，确定弱相关性的评价因子[13]，并将各个评价因子进行分级，得到分级后的评价因子与上犹县历史滑坡单元建立上犹县灾害评价数据库。其次在滑坡单元数据500m以外选取500个非滑坡单元，通过A....

图2 上犹县滑坡灾害分布

上犹县位于江西省赣州市西部，坐标为东经114°～114°40′，北纬25°42′～26°01′，属于大陆性气候，平均气温18°。区内地势西高东低，常年多雨，灾害发育频繁。图2为上犹县位置与灾害分布图。通过调查在上犹县有滑坡点500个，其范围覆盖上犹县全境，最高的滑坡位于五峰山乡，....

图3 上犹县滑坡易发性评价因子

对上犹县滑坡进行500m缓冲区分析，在缓冲区以外选取500个非滑坡单元。将滑坡单元、非滑坡单元与11个评价因子图层进行空间连接，得到滑坡与非滑坡单元在上述评价因子空间数据，并将数据进行归一化。然后将滑坡单元与非滑坡单元的空间数据分为80%的训练集和20%的测试集，输入Rapid....

图5 上犹县滑坡易发性评价ROC曲线

高易发区所包含的灾害比例能反映模型评价的科学性，将更多的灾害单元包含在高与较高易发区更方便政府部门的治理。根据表2、表3、表4、表5统计可知，LR、ANN、SVM、LG-ANN-SVM的高易发区与较高易发区所包含的灾害占总灾害比例分别为：80.6%、74.6%、91%、93.2%....

本文编号：4029873