文献类型：期刊文章

作　　者：郭子正[1] 殷坤龙[1] 付圣[2] 黄发明[3] 桂蕾[1] 夏辉[1]

Guo Zizheng;Yin Kunlong;Fu Sheng;Huang Faming;Gui Lei;Xia Hui(Faculty of Engineering,China University of Geosciences,Wuhan 430074,China;Institute of Geophysics&Geomatics,China University of Geosciences,Wuhan 430074,China;School of Civil Engineering and A rchitecture,Nanchang University,Nanchang 330033,China)

机构地区：[1]中国地质大学工程学院,湖北武汉430074 [2]中国地质大学地球物理与空间信息学院,湖北武汉430074 [3]南昌大学建筑工程学院,江西南昌330033

出　　处：《地球科学》

基　　金：国家重点研发计划项目(No.2018YEC0809400);国家自然科学基金项目(Nos.41572292,41907253)

年　　份：2019

卷　　号：44

期　　号：12

起止页码：4299-4312

语　　种：中文

收录情况：AJ、BDHX、BDHX2017、CAS、CSA、CSA-PROQEUST、CSCD、CSCD2019_2020、EI、GEOREFPREVIEWDATABASE、IC、INSPEC、JST、PA、PROQUEST、RCCSE、SCOPUS、WOS、ZGKJHX、ZR、核心刊

摘　　要：区域滑坡易发性研究对地质灾害风险管理具有重要意义.以往研究中,将多元统计模型与机器学习方法相结合用于滑坡易发性评价的研究较少.以三峡库区万州区为例,首先选取9种指标因子(坡度、坡向、剖面曲率、地表纹理、地层岩性、斜坡结构、地质构造、水系分布及土地利用类型)作为滑坡易发性评价指标.基于证据权模型(weights of evidence,WOE)计算得到的对比度和滑坡面积比与分级面积比的相对大小,对各指标因子进行状态分级;再利用粒子群法优化的BP神经网络模型(PSO-BP)得到各指标因子权重.综合两种模型确定的状态分级权重和指标因子权重(WOE-BP)计算滑坡易发性指数(landslide susceptibility index,LSI),基于GIS平台得到全区滑坡易发性分区图.结果表明:水系、地层岩性和地质构造是影响万州区滑坡发育的主要指标因子;WOE-BP模型的预测精度为80.8%,优于WOE模型的73.1%和BP神经网络模型的71.6%,可为定量计算指标因子权重和优化滑坡易发性评价提供有效途径.

关 键 词：滑坡 指标因子  证据权模型 EP神经网络  GIS  地质灾害

分 类 号：P642]