文献类型：期刊文章

作　　者：牟家琦[1] 庄建琦[1] 王世宝[1,2] 孔嘉旭[1] 杜晨辉[1]

MU Jiaqi;ZHUANG Jianqi;WANG Shibao;KONG Jiaxu;DU Chenhui(School of Geological Engineering and Geomatics,Chang’an University(Key Laboratory of Western China’s Mineral Resources and Geological Engineering),Xi’an,Shaanxi 710054,China;China Coal Aerial Survey and Remote Sensing Group Co.Ltd.,Xi’an,Shaanxi 710054,China)

机构地区：[1]长安大学地质工程与测绘学院(西部矿产资源与地质工程教育部重点实验室),陕西西安710054 [2]中煤航测遥感集团有限公司,陕西西安710054

出　　处：《中国地质灾害与防治学报》

基　　金：国家重点研发计划项目(52020YFC1512000);国家自然科学基金(41941019;41922054)。

年　　份：2023

卷　　号：34

期　　号：3

起止页码：157-168

语　　种：中文

收录情况：CSCD、CSCD_E2023_2024、DOAJ、JST、ZGKJHX、普通刊

摘　　要：准确的滑坡易发性评价结果是滑坡风险评估的基础,对防灾减灾工作有着重要的意义。文章以雅安市为研究区,在野外地质调查的基础上,选取高程、坡度、坡向、平面曲率、剖面曲率、地形湿度指数、泥沙输运指数、径流强度指数、归一化植被指数、年均降雨量、地震动峰值加速度、地形起伏度、距断层距离、地层岩性、距河流距离、距道路距离等16个因子,构建研究区滑坡易发性评价指标体系,采用度神经网深络(DNN)模型进行滑坡易发性评价,根据易发性指数将研究区划分为极高易发区(12.2%)、高易发区(7.0%)、中易发区(9.8%)、低易发区(17.0%)、极低易发区(54.1%)五个等级,并与人工神经网络(ANN)模型进行对比,用ROC曲线的AUC值进行精度检验。结果表明,DNN模型的评价精度AUC(0.99)大于ANN(0.96)模型。因此,相比ANN模型,DNN模型在该研究区有着更好的拟合能力和预测能力,滑坡极高和高易发区主要分布于雅安市人类工程活动强烈的低海拔地区,沿着道路和水系分布,距道路距离、高程、年均降雨量是影响雅安滑坡发育的主要影响因子。

关 键 词：滑坡 易发性  深度神经网络  雅安市  

分 类 号：P642.21]