基于信息量与机器学习耦合模型的滑坡易发性评价对比分析.pdfVIP

第４４卷第６期西安科技大学学报Ｖｏｌ．４４Ｎｏ６

２０２４年１１月ＪＯＵＲＮＡＬＯＦＸＩ’ＡＮＵＮＩＶＥＲＳＩＴＹＯＦＳＣＩＥＮＣＥＡＮＤＴＥＣＨＮＯＬＯＧＹＮｏｖ．２０２４

吴雅睿，娄春辉，侯龙君，等．基于信息量与机器学习耦合模型的滑坡易发性评价对比分析［Ｊ］．西安科技大学学报，２０２４，４４

（６）：１１４０－１１５３．

ＷＵＹａｒｕｉ，ＬＯＵＣｈｕｎｈｕｉ，ＨＯＵＬｏｎｇｊｕｎ，ｅｔａｌ．Ｃｏｍｐａｒａｔｉｖｅａｎａｌｙｓｉｓｏｆｌａｎｄｓｌｉｄｅｓｕｓｃｅｐｔｉｂｉｌｉｔｙｅｖａｌｕａｔｉｏｎｂａｓｅｄｏｎｔｈｅｃｏｕｐｌｉｎｇ

ｍｏｄｅｌｏｆｉｎｆｏｒｍａｔｉｏｎｑｕａｎｔｉｔｙａｎｄｍａｃｈｉｎｅｌｅａｒｎｉｎｇ［Ｊ］．ＪｏｕｒｎａｌｏｆＸｉ’ａｎＵｎｉｖｅｒｓｉｔｙｏｆＳｃｉｅｎｃｅａｎｄＴｅｃｈｎｏｌｏｇｙ，２０２４，４４（６）：１１４０－

１１５３．

基于信息量与机器学习耦合模型的滑坡

易发性评价对比分析

１１２１

吴雅睿，娄春辉，侯龙君，刘峰

（１．西安科技大学测绘科学与技术学院，陕西西安７１００５４；

２．西北有色勘测工程有限责任公司，陕西西安７１００３８）

摘要：陕西省商洛市镇安县地质环境复杂，滑坡灾害频发。以镇安县为研究区，提出将信息量

模型分别与４种机器学习方法（ＳＶＭ、ＲＢＦ、ＥＬＭ、ＢＰＮＮ）相结合，利用信息量模型的定量化和机

器学习方法的非线性拟合能力，构建耦合模型进行滑坡易发性评价对比分析。首先，基于县域

地质灾害调查数据，从地形地貌、地质环境、气象水文和人类工程活动等方面选取９个影响因

子，通过皮尔森相关系数分析各因子之间的相关性，构建滑坡易发性评价指标体系；然后，利用

信息量模型量化影响因子，以各影响因子的信息量值作为样本输入数据，代入支持向量机、极限

学习机、径向基函数网络和ＢＰ神经网络４种机器学习模型开展滑坡易发性评价，并通过接收灵

敏度（ＲＯＣ）曲线进行精度验证。结果表明：区内滑坡主要分布于道路两侧、河流沿岸及山体破

碎带等地质环境恶劣区域，其中人类工程活动、气象、地质构造是影响区内滑坡发育的主要因

素；４种耦合模型中ＩＶＢＰＮＮ模型更适用于研究区滑坡易发性评价，其预测的极高易发区和高

易发区单位面积内分布的滑坡点数量更为集中，在仅占２１．４３％的区域分布了８５．１５％的滑坡灾

害点，评价结果优于其他耦合模型；ＲＯＣ曲线中ＩＶＳＶＭ、ＩＶＲＢＦ、ＩＶＥＬＭ和ＩＶＢＰＮＮ模型的

ＡＵＣ值分别为０８４１、０．８１３、０．８３８、０．８６３，其中ＩＶＢＰＮＮ模型精度最高，与信息量模型的ＡＵＣ

值（０．７２２）相比提高了１９．５％，具有更高的可靠性。研究提出的ＩＶＢＰＮＮ模型可以更好地解决

传统滑坡易发性评价方法中影响因子量纲不统一及因子间复杂非线性关系而导致评价结果适

应性一般的问题，能更加精确地识别潜在滑坡灾害高风险区域，可为当地滑坡灾害防治工作提

供参考依据。

关键词：滑坡；信息量模型；机器学习模型；神经网络模型；易发性评价

中图分类号：Ｐ６４２文献标志码：Ａ

文章编号：１６７２－９３１５（２０２４）０６－１１４０－１４

ＤＯＩ：１０．１３８００／ｊ．ｃｎｋｉ．ｘａｋｊｄｘｘｂ．２０２４．０６１２开放科学（资源服务）标识码（ＯＳＩＤ）：

收稿日期：２０２４－０３－０５

基金项目：国家自然科学基金项目；陕西省软科学研究计划项目（２０２２ＫＲＭ０３４）；西北有色地质矿业集团科技项目（ＸＢＤ

ＫＫＪ２０２２１１）

通信作者：吴雅睿，女，陕西西安人，博士，副教授，Ｅｍａｉｌ：ｗｕｙａｒｕｉ＠ｘｕｓｔ．ｅｄｕ．ｃｎ

１１４１

第６期