文献类型：期刊文章

作　　者：苏晨旭[1] 田钦[2] 刘本朝[2] 杨光照[2] 黄宽[1] 黄发明[2]

SU Chen-xu;TIAN Qin;LIU Ben-chao;YANG Guang-zhao;HUANG Kuan;HUANG Fa-ming(School of Qianhu,Nanchang University,Nanchang 330031,China;School of Civil Engineering and Architecture,Nanchang University,Nanchang 330031,China)

机构地区：[1]南昌大学前湖学院,南昌330031 [2]南昌大学建筑工程学院,南昌330031

出　　处：《科学技术与工程》

基　　金：国家自然科学基金(41807285)资助

年　　份：2019

卷　　号：19

期　　号：17

起止页码：91-99

语　　种：中文

收录情况：BDHX、BDHX2017、RCCSE、ZGKJHX、核心刊

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。

关 键 词：滑坡易发性  频率比  偏最小二乘回归 BP神经网络 支持向量机

分 类 号：P642]