人工神经网络在滑坡敏感性评价中的应用-兰州大学.PDFVIP

第50 卷 第1 期 兰 州 大学学报 （自然科学版） Vol. 50 No. 1 2014 年2 月 Journal of Lanzhou University (Natural Sciences) Feb. 2014 文章编 号: 0455-2059(2014)01-0015-06 人工神经网络在滑坡敏感性评价中 的应用 谭 龙, 陈 冠, 曾润强, 熊木 齐, 孟兴民 兰州大 学西部 环境教育部 重点实验室, 兰州 730000 摘 要: 以边坡 为基 本 研 究单 元, 经过主成 分分 析 和 独立 性 检 验得 到 白龙江流域 对滑坡 形 成 贡 献最 大 的6 个 因子: 人 口密度、坡 度、坡 向、断裂距 离、岩 性 和 高程. 使 用 人 工神经网络对白龙江流域 进行滑坡 敏感性评价, 采用 ROC 曲线对模型 精度 进行验证. 研 究 结果 表明, 人 工神经网络能有 效地 对该区域 进行滑坡 敏感性评价, 且 能将研 究 区划分成 5 个 区: 极低 危 险区、低 危 险区、中等危 险区、高危 险区、极 高危 险区, 各 区面积占研 究 区 面积的比例 分别 为 9.53%, 41.46%, 12.12%, 25.33%, 11.58%. 关键词: 人 工神经网络; 滑坡; 敏感性评价; 白龙江流域 中图分类号: P642.22 文献标识码: A Application of artificial neural network in landslide susceptibility assessment TAN Long, CHEN Guan, ZENG Run-qiang, XIONG Mu-qi, MENG Xing-min Key Laboratory of Western China’s Environmental Systems with the Ministry of Education, Lanzhou University, Lanzhou 730000, China Abstract: Slope units were used as the basic assessment units. Six conditional independent environmental factors were selected as the explanatory variables that contribute to landslide occurrence, i.e., elevation, slope, aspect, distance from fault, lithology and settlement density. Then, the methods of artificial neural network (ANN) were conducted for landslide hazard mapping. ROC curves were plotted as a means of evaluating the quality of the susceptibility zonations for the ANN model. The results show that ANN can effectively evaluate the hazards of landslides in the region. According to the result of the model, the study area could be classified into five categories, i.e., very high dangerous zone, high dangerous zone, moderate dangerous zone, low dangerous zone and very low dangerous zone, taking an area proportion o