基于信息价值方法和SVM,袋装,DNN算法对贵州省中部城市集群的山体滑坡危险评估

科学领域:

• 地质科学 地质科学
• 地质地质地质地质地质地
• 环境科学 环境科学

背景情况:

• 中部贵州的城市聚集地在地质上不稳定,位于易发生山体滑坡的地质活跃区域.
• 该地区经历了频繁和严重的山体滑坡灾害,造成了大量的生命损失和经济损失.
• 脆弱的生态环境加剧了山区的山体滑坡风险.

研究的目的:

• 开发一个强大的滑坡危险评估指数系统,用于贵州中部城市聚合区.
• 通过使用统计和机器学习方法,确定导致山体滑坡发生的关键因素.
• 提高在研究区域的山体滑坡风险预测的准确性和可靠性.

主要方法:

• 选择和分析12个指标,涵盖地形,地质结构和外部诱导因素.
• 使用因子对线性分析 (变量膨胀系数) 构建滑坡危险评估指数系统.
• 机器学习模型 (SVM,DNN,Bagging) 的应用和比较,改进了负样本选择,以准确预测.
• 使用接收器操作特征 (ROC) 曲线分析验证模型准确性.

主要成果:

• 所有机器学习模型 (SVM,DNN,Bagging) 显示出高可信度,曲线下的面积 (AUC) 值超过0.85.
• 支持矢量机 (SVM) 显示了最高的整体准确性,超过了深度神经网络 (DNN) 和包装模型.
• 现场调查验证了模型在历史滑坡现场的预测,证实了它们的准确性.

结论:

• 开发的山体滑坡危险评估指数系统和SVM模型非常适合在贵州中部进行风险评估.
• 这些发现为该地区的工程设计,建筑实践和防灾战略提供了关键指导.
• 准确的山体滑坡危险评估对于降低风险和确保在构造活跃的城市地区的安全至关重要.