基于耦合信息量法选择负样本的区域滑坡易发性预测.docx

摘要:?在利用机器学习（machine learning，ML）模型预测滑坡易发性时，选择合理的负样本对预测结果具有重要影响。现有研究大多从整个研究区或低坡度等特定属性区内随机选择负样本，往往不够准确或以偏概全，降低了易发性制图的可靠性。为解决这一问题，提出基于耦合信息量法（information value，IV）的ML模型开展易发性建模。以江西省瑞金市为例，采用IV法将环境因子的属性值转化为对滑坡贡献的信息量值，划定极低和低易发区，并从中随机选择出ML模型训练验证用的负样本数据，构建全新的信息量–支持向量机（IV–SVM）、信息量–随机森林（IV–RF）耦合模型，并预测瑞金滑坡易发性。进一