滑坡灾害空间预测支持向量机模型及其应用.docVIP

滑坡灾害空间预测支持向量机模型及其应用 第14卷第6期 2007年11月 地学前缘(中国地质大学(北京);北京大学) EarthScienceFrontiers(ChinaUniversityofGeosciences,Beijing;PekingUniversity) Vo1.14No.6 NOV.2007 滑坡灾害空间预测支持向量机模型及其应用 戴福初,姚鑫,谭国焕 1.中国科学院地质与地球物理研究所,北京100029 2.香港大学土木工程系,香港 DaiFuchu,YaoXin,TanLeslieGeorge 1.InstituteofGeologyandGeophysics,ChineseAcademyofSciences,Beijing100029,China 2.DepartmentofCivilEngineering,Universit3ofHongKong,HongKong,China DaiFuchu,YaoXin,TanLeslieGeorge.Landslidesusceptibilitymappingusingsupportvectormachines.EarthScienceFron— tiers,2007,14(6):153-159 Abstract:WiththeextensiveuseofGIStechniquesinlandslidesusceptibilitymapping,thedevelopmentofnew predictivemodelsforlandslidesusceptibilitymappinghasbeenahotspotinlandslideresearch.Inthispaper, themodelsforlandslidesusceptibilitymappingarefirstreviewed,andtheprincipleoftwo-classandone-class SupportVectorMachines(SVM)iSthenbrieflyintroduced.Two-classandone-classSVMmethodswereused toassesslandslidesusceptibilityinaselectedareainanaturalterrainofHongKongusingGIS.TheSVM modelsweredevelopedbytrainingdatasetwithcross-validationmethodtoobtaintheoptimumkernelfunction parameters,andthenappliedtothestudyareatoderivelandslidesusceptibilitymaps.Theresultingmapswere comparedwithlandslidesusceptibilitymapproducedfromlogisticregression.Itisconcludedthattwo-class SVMismorereliablethanlogisticregression,andthatlogisticregressionisaccuratecomparedwithone-class SVM Keywords:landslidessusceptibilitymapping;SupportVectorMachines(SVM);GIS 摘要:随着GIS技术在滑坡灾害空间预测研究中的广泛应用,滑坡灾害空间预测模型成为研究的热点问 题.在总结滑坡灾害空间预测研究现状的基础上,简要介绍了两类和单类支持向量机的基本原理.以香港自 然滑坡空间预测为例,采用两类和单类支持向量机进行滑坡灾害空间预测,并与Logistic回归模型进行了比 较.结果表明,两类支持向量机模型优于Logistic回归模型,而Logistic回归模型优于单类支持向量机模型. 关键词:滑坡;空间预测;支持向量机;地理信息系统 中图分类号:P642.22;0183文献标识码:A文章编号:1005—2321(2007)06—0153一O7 滑坡灾害空间预测图是山区土地利用规划的重 要依据,也是减缓滑坡灾害损失的基础.随着GIS 技术在滑坡灾害空间预测研究中的广泛应用,滑坡 灾害空间预测的精度和效率得到显着提高引,滑坡 灾害空间预测模型得到了越来越广泛的关注,成为 国内外区域性滑坡研究的热点问题. 支持向量机(SupportVectorMachines,SVM) 是近些年发展起来的优秀分类模型,它可以基于单 类或两类样本进行分类,在分类领域取得了令人满 意的结果.本文首先简要介绍单类和两类支持向量 收稿日期:2007—08—