文献类型：期刊文章

作　　者：李明[1] 蒋委君[2] 董佳慧[3] 金少锋[4] 张宸伟[5] 牛瑞卿[6]

LI Ming;JIANG Wei-Jun;DONG Jia-Hui;JIN Shao-Feng;ZHANG Chen-Wei;NIU Rui-Qing(Wuhan Center,China Geological Survey(Geosciences Innovation Center of Central South China),Wuhan 430205,Hubei,China;School of Future Technology,China University of Geosciences(Wuhan),Wuhan 430074,Hubei,China;School of Geophysics and Spatial Information,China University of Geosciences(Wuhan),Wuhan 430074,Hubei,China;Geological Team 325,Anhui Geological and Mineral Exploration Bureau,Huaibei 235099,Anhui,China;Mianyang Tianyi Space Technology Co.,Ltd.,Mianyang 621051,Sichuan,China;Institute of Geospatial Information,School of Geophysics and Spatial Information,China University of Geosciences(Wuhan),Wuhan 430074,Hubei,China)

机构地区：[1]中国地质调查局武汉地质调查中心(中南地质科技创新中心),湖北武汉430205 [2]中国地质大学(武汉)未来技术学院,湖北武汉430074 [3]中国地质大学(武汉)地球物理与空间信息学院,湖北武汉430074 [4]安徽省地质矿产勘查局325地质队,安徽淮北235099 [5]绵阳天仪空间科技有限公司,四川绵阳621051 [6]中国地质大学(武汉)地球物理与空间信息学院地球空间信息研究所,湖北武汉430074

出　　处：《华南地质》

基　　金：水利部三峡后续工作地质灾害防治(0001212012A C50021)。

年　　份：2023

卷　　号：39

期　　号：3

起止页码：413-427

语　　种：中文

收录情况：CAS、JST、普通刊

摘　　要：三峡库区滑坡灾害分布广、数量多、规模大、危害严重,因此开展滑坡灾害易发性评价对该地的地灾防治与处理具有重要参考意义。本文提取了地层岩性、地质构造、坡度、坡向、曲率、斜坡形态、植被指数、水系等17个因子,选用逻辑回归模型、支持向量机模型、集成学习的梯度提升迭代决策树模型和深度学习中的长短期记忆神经网络与卷积神经网络耦合模型四个机器学习模型进行滑坡灾害易发性评价,选取最优评价模型,完成三峡库区的易发性分区评价,总结研究区易发性空间区划特性。对比四种模型的AUC(Area Under Curve)精度可以得出结论:GBDT模型(Gradient Boosting Decision Tree Model)的AUC精度相对较高,优于其他三个模型,更适合三峡库区的滑坡易发性研究。GBDT的易发性评价结果显示:研究区内极高易发性区域和高易发性区域主要集中于渝东、鄂西一带以及长江沿岸和支流沿岸。研究结果是对整个库区的易发性进行评价,可为后续库区的防灾减灾提供参考。

关 键 词：机器学习  三峡库区 易发性  GBDT模型  

分 类 号：P642.22]