检索结果-内蒙古大学图书馆

中国地质灾害与防治学报 2024年第1期35卷 37-50页

作者：曾韬睿王林峰张俞程平吴帆重庆交通大学山区公路水运交通地质减灾重庆市高校市级重点实验室重庆400074 重庆交通大学河海学院重庆400074 浙江省地矿科技有限公司浙江杭州310007 温州工程勘察院有限公司浙江温州325006 山地灾害与地表过程重点实验室/中国科学院山地灾害与环境研究所四川成都610299

文章致力于深入探索滑坡易发性建模中集成学习模型的不确定性和可解释性。以浙江省东部沿海山区为研究对象,利用谷歌历史影像与Sentinel-2A影像,记录了2016年超级台风“鲇鱼”触发的552起浅层滑坡事件。研究首先对连续型因子进行了不分... 详细信息

文章致力于深入探索滑坡易发性建模中集成学习模型的不确定性和可解释性。以浙江省东部沿海山区为研究对象,利用谷歌历史影像与Sentinel-2A影像,记录了2016年超级台风“鲇鱼”触发的552起浅层滑坡事件。研究首先对连续型因子进行了不分级、等间距法和自然断点法的工况设计,进一步划分为4,6,8,12,16,20级。随后,引入了类别增强提升树模型(CatBoost)以评估不同工况下的滑坡易发性值,再结合受试者曲线与沙普利加性解释法分析,对建模过程中的不确定性和可解释性进行了深入研究,目的在于确定最优建模策略。结果表明:(1)在CatBoost模型计算中,河流距离成为最关键的影响因子,其次是与地质条件、人类活动相关的因子;(2)不分级工况下,模型能够获得最高的AUC值,达到0.866;(3)相较于等间距法,自然断点法的划分策略展现出更佳的泛化能力,且模型预测性能随着分级数量的增加而增加;(4)沙普利加性解释法模型揭示了主要影响因子道路距离、河流距离、DEM和坡向对台风诱发滑坡的控制机制。研究成果能够加深对滑坡易发性的理解,提高滑坡预测的准确性和可靠性,为相关地区的防灾减灾工作提供科学依据。

关键词：滑坡易发性建模可解释性 CatBoost模型沙普利加性解释法模型台风诱发滑坡

来源：评论

学校读者我要写书评

暂无评论

基于机器学习和编码器耦合的滑坡易发性评价

引用

河南理工大学学报(自然科学版) 2025年第2期44卷 69-80页

作者：张萌萌李少达王潇李欣玥戴可人成都理工大学地球与行星科学学院四川成都610059 成都大学建筑与土木工程学院四川成都610106 印度马轩德拉世界联合学院印度浦那412108 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610059

目的为了在有限样本下提升机器学习模型挖掘数据特征的能力,提高模型预测精度,方法选取四川省雅砻江和大渡河中下游省级水土流失重点预防区九龙县、康定市、泸定县和木里县为研究区,选择12个影响因子构建滑坡易发性评价指标体系,使用确... 详细信息

目的为了在有限样本下提升机器学习模型挖掘数据特征的能力,提高模型预测精度,方法选取四川省雅砻江和大渡河中下游省级水土流失重点预防区九龙县、康定市、泸定县和木里县为研究区,选择12个影响因子构建滑坡易发性评价指标体系,使用确定性系数(certainty factor,CF)量化评价指标,对比逻辑回归(logistic regression,LR)和支持向量机(support vector machine,SVM)模型,在表现最优的模型上添加降噪自编码器(denoising autoencoder,DAE)和卷积自编码器(convolutional auto-encoders,CAE),并对比各模型所提取数据的特征。结果结果表明:CF-SVM模型的精确率(P),F-measure、Kappa系数,总准确度(overall accuracy,OA)和ROC曲线下与坐标轴围成的面积(area under curve,AUC)相较于CF-LR模型的分别提高了31.9%,1.1%,17.1%,8.5%,8.6%;添加DAE编码器后,CF-SVM-DAE模型的召回率(R),Fmeasure,Kappa系数和总准确度(OA)相比于CF-SVM模型的分别提高了8.1%,5.8%,8.1%,4%;添加CAE编码器后,CF-SVM-CAE模型的召回率(R),F-measure,Kappa系数和总准确度(OA)相比于CF-SVM模型的分别提高了0.4%,0.2%,0.2%,0.1%。结论选用的机器学习方法中,CF-SVM模型预测精度更高。在CF-SVM模型基础上添加DAE编码器比添加CAE编码器鲁棒性更好,因此,CF-SVM-DAE模型在所有模型中表现最好,更适合滑坡易发性评价。

关键词：滑坡易发性建模 LR SVM 编码器

来源：评论

学校读者我要写书评

暂无评论

基于样本优化策略的滑坡易发性评价

引用

武汉大学学报（信息科学版） 2024年第8期49卷 1492-1502页

作者：吴宏阳周超梁鑫王悦袁鹏程吴立星中国地质大学(武汉)地理与信息工程学院湖北武汉430074 三峡库区地质灾害野外监测与预警示范中心重庆404199 中国地质大学(武汉)工程学院湖北武汉430074

准确的易发性评价结果能够对滑坡带来的危险进行精准防控。样本优化是滑坡易发性评价的重要方法,可有效解决不平衡样本产生的决策边界偏移问题,提升滑坡易发性评价精度。以中国重庆市万州区东南区域为例,选取地层、土地利用、高程等10... 详细信息

准确的易发性评价结果能够对滑坡带来的危险进行精准防控。样本优化是滑坡易发性评价的重要方法,可有效解决不平衡样本产生的决策边界偏移问题,提升滑坡易发性评价精度。以中国重庆市万州区东南区域为例,选取地层、土地利用、高程等10个影响因子构建滑坡易发性评价指标体系,应用频率比方法定量分析滑坡与指标之间的关系,在此基础上分别利用深度神经网络模型(deep neural networks, DNN)、过采样-深度神经网络模型(synthetic minority oversampling technique-DNN, SMOTE-DNN)、混合采样-深度神经网络耦合模型(one-class support vector machine-SMOTE-DNN, OS-DNN)、混合采样-深度神经网络-K均值聚类耦合模型(OS-DNN-K-means)进行滑坡易发性评价。结果表明,距道路距离、土地利用、地层是研究区滑坡发育的主要控制因子。精度评价结果发现OS-DNN-K-means(95.61%)和OS-DNN(91.16%)相较于模型SMOTE-DNN(87.97%)和DNN(81.40%)更能有效提高滑坡预测精度。通过混合采样和半监督分类进行样本优化能够有效解决研究区样本不平衡问题,为滑坡灾害空间预测提供新技术支撑。

关键词：滑坡易发性建模深度神经网络混合采样 K均值聚类样本优化策略

来源：评论

学校读者我要写书评

暂无评论

基于XGBoost模型的三峡库区燕山乡滑坡易发性评价与区划

引用

中国地质灾害与防治学报 2023年第5期34卷 141-152页

作者：吴宏阳周超梁鑫袁鹏程余蓝冰中国地质大学(武汉)地理与信息工程学院湖北武汉430078 三峡库区地质灾害野外监测与预警示范中心重庆404199 中国地质大学(武汉)工程学院湖北武汉430074

滑坡易发性评价是精细化滑坡灾害风险评价的基础。为了提升滑坡易发性评价模型的精度和稳健性,以三峡库区万州区燕山乡为例,选取工程地质岩组、堆积层厚度等九个影响因子构建滑坡易发性评价指标体系,应用信息量模型定量分析滑坡发育与... 详细信息

滑坡易发性评价是精细化滑坡灾害风险评价的基础。为了提升滑坡易发性评价模型的精度和稳健性,以三峡库区万州区燕山乡为例,选取工程地质岩组、堆积层厚度等九个影响因子构建滑坡易发性评价指标体系,应用信息量模型定量分析滑坡发育与指标之间的关系。在此基础上,随机选取70%/30%的滑坡样本作为训练/验证数据集,应用极致梯度提升模型(extreme gradient boosting,XGBoost)开展易发性评价。随后从模型预测精度和模型稳定性两方面将其与决策树模型(deci-sion tree,DT)和梯度提升树模型(gradient boosting decision tree,GBDT)进行对比。结果表明:研究区堆积层滑坡主要受长江水系、堆积层厚度和工程地质岩组影响。XGBoost模型具有最高的准确率(94.3%)和预测精度(97.3%)。在模型稳定性验证中,平均预测精度最高(97.3%),优于DT(91.3%)和GBDT(95.7%),模型标准差和变异系数均为0.01,低于其余两种模型。XGBoost在区域滑坡易发性评价与制图中得到了可靠的结果,为滑坡灾害空间预测提供了新的技术支撑。

关键词：滑坡易发性建模极致梯度提升模型预测精度模型稳健性

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：