基于LSTM-RF-MDBN的滑坡易感性预测模型的研究
Xiaoyi Yang1, Xinyue Fan2, Kai Wang1
1College of Mathematics and Physics, Chengdu University of Technology, Chengdu, 610059, China.
Environmental science and pollution research international
|December 2, 2023
概括
这项研究开发了一种先进的模型,用于使用温chuan地震数据来预测山体滑坡易感性. LSTM-RF-MDBN模型实现了高精度,为防治山体滑坡灾害提供了科学基础.
科学领域:
- 地质科学 地质科学
- 环境科学 环境科学
- 灾害管理 灾害管理
背景情况:
- 滑坡灾难导致严重的经济损失和伤亡.
- 准确的定量表征滑坡易感性对于有效的缓解至关重要.
- 现有的预测模型需要进一步改进,以纳入各种不同的影响因素.
研究的目的:
- 开发和验证一个新的山体滑坡易感性预测模型.
- 分析滑坡灾害的空间分布特征.
- 为山体滑坡预警,预防和缓解战略提供科学基础.
主要方法:
- 利用了温川地震地区的数据.
- 提取了八个关键影响因素:地形信息 (Ht),岩石学,与河流的距离,与断层的距离,植被覆盖面 (NDVI),与道路的距离,地面运动加速峰值 (PGA) 和年度降雨量.
- 建立了一个基于长短期记忆 (LSTM),随机森林 (RF) 和多层深信网络 (MDBN) 的山体滑坡易感性预测模型 - LSTM-RF-MDBN.
主要成果:
- 对于八个影响因素,LSTM模型表现出强大的预测能力,平均准确率为85%.
- 射频模型实现了0.88的曲线下面面积 (AUC) 预测山体滑坡点,超过了DNN和LR模型.
- 拟议的LSTM-RF-MDBN模型获得了0.965的AUC,表明非常准确的山体滑坡易感性预测.
结论:
- LSTM-RF-MDBN模型在滑坡易感性预测准确度方面取得了重大进展.
- 该研究成功地绘制了山体滑坡的易感性,并分析了空间分布模式.
- 这些发现为加强山体滑坡灾害预警和减缓工作提供了坚实的科学基础.
