文献类型：期刊文章

作　　者：李利峰[1] 张晓虎[1] 邓慧琳[2] 韩六平[1]

LI Li-feng;ZHANG Xiao-hu;DENG Hui-lin;HAN Liu-ping(College of Civil and Architectural Engineering,Guizhou University of Engineering Science,Bijie 551700,China;College of science,Guizhou University of Engineering Science,Bijie 551700,China)

机构地区：[1]贵州工程应用技术学院土木建筑工程学院,毕节551700 [2]贵州工程应用技术学院理学院,毕节551700

出　　处：《科学技术与工程》

基　　金：贵州省科技厅联合基金(黔科合LH[2015]7589号);贵州省科学技术基金(黔科合J字[2013]2011号);贵州省科技计划(黔科合平台人才[2018]5622号)。

年　　份：2020

卷　　号：20

期　　号：26

起止页码：10618-10625

语　　种：中文

收录情况：BDHX、BDHX2017、RCCSE、ZGKJHX、核心刊

摘　　要：科学地选取评价因子与构建评价模型是滑坡易发性评价结果是否准确与可靠的关键。以山阳县为例,基于区内滑坡孕灾环境、诱发因素、滑坡发育特征以及因子间相关性分析,选取高程、坡度、坡向、曲率、断层、水系、道路、降雨量、归一化植被指数(normalized difference vegetation index,NDVI)作为评价因子。分别采用逻辑回归(logistic regression,LR)模型、支持向量机(support vector machine,SVM)模型以及由以上两种模型通过简单线性回归(LN)组合形成的SVM-LR融合模型对研究区滑坡进行预测研究。预测结果表明,在SVM-LR融合模型下,滑坡点落入研究区极高-高易发区占滑坡总数的79.07%,极高-高易发区滑坡相对点密度为2.287,较其他两种模型有明显的提高。最后采用接收者操作特征(receiver operating characteristic,ROC)曲线对不同模型的预测性能进行检验,结果表明:LR模型、SVM模型、SVM-LR融合模型的成功率曲线下面积(area under the success curve,AUC)分别为0.717、0.807、0.831,预测率曲线下面积(AUC)分别为0.747、0.774、0.808,由此看出,SVM-LR融合模型的预测性能更为优越。研究结果可为山阳县当地有关部门采取防灾减灾措施提供帮助。

关 键 词：滑坡易发性评价  评价因子  相关性分析  SVM-LR融合模型  接收者操作特征(ROC)曲线  

分 类 号：P642]