基于聚类-机器学习模型的滑坡易发性评价  

作　　者：樊哲 甄艳 康锦涛 

机构地区：[1]西南石油大学地球科学与技术学院,四川省成都市610500

出　　处：《电子技术与软件工程》2023年第1期240-243,共4页ELECTRONIC TECHNOLOGY & SOFTWARE ENGINEERING

摘　　要：本文使用机器学习算法对都汶公路沿线滑坡易发性进行预测。通过野外地质调查和数据搜集分析,选取高程、坡度、坡向、平面曲率、地震烈度、地质年代、岩性、水系距离、降水分级、NDVI和公路距离等11个影响因子,构建滑坡易发性评价模型。采用随机森林模型、XGBoost模型和逻辑回归模型对研究区的滑坡易发性进行预测,最后采用ROC曲线、95%置信区间和Kappa值对模型进行评价。通过对比我们发现XGBoost模型在准确性、稳定性和一致性方面均优于随机森林模型和逻辑回归模型,是都汶公路沿线滑坡易发性评价最优模型。

关 键 词：随机森林 XGBoost 逻辑回归 都汶公路 

分 类 号：TP181[自动化与计算机技术—控制理论与控制工程] P642.22[自动化与计算机技术—控制科学与工程]