[1]张虹,辜庆渝,孙诚彬,等.基于可解释性机器学习的丘陵缓坡地区滑坡易发性区划研究[J].重庆师范大学学报(自然科学版),2022,39(03):78.[doi:10.11721/cqnuj20220316]
ZHANG Hong,GU Qingyu,SUN Chengbin,et al.Landslide Susceptibility Mapping in Hilly and Gentle Slope Region Based on Interpretable Machine Learning[J].期刊社,2022,39(03):78.[doi:10.11721/cqnuj20220316]
点击复制
ZHANG Hong,GU Qingyu,SUN Chengbin,et al.Landslide Susceptibility Mapping in Hilly and Gentle Slope Region Based on Interpretable Machine Learning[J].期刊社,2022,39(03):78.[doi:10.11721/cqnuj20220316]
基于可解释性机器学习的丘陵缓坡地区滑坡易发性区划研究
重庆师范大学学报（自然科学版）[ISSN:1672-6693/CN:50-1165/N]
卷:
39
期数:
2022年03期
页码:
78
栏目:
三峡地区资源环境生态研究
出版日期:
2022-05-25
- Title:
- Landslide Susceptibility Mapping in Hilly and Gentle Slope Region Based on Interpretable Machine Learning
- 分类号:
- X87
- 摘要:
- 【目的】提出一种基于随机森林与Permutation Importance、PDP和LIME结合的可解释性模型，对滑坡易发性区划进行全局和局部解释，旨为滑坡灾害精准防治与城市规划提供理论依据。【方法】以重庆市江津区为例，选取地形地貌、地质构造、气象水文、环境条件和人类活动共5个方面的21个因子，结合江津区899个历史滑坡点，建立30 m×30 m精度的栅格空间数据库，按照滑坡与非滑坡1∶1的比例选取899个非滑坡点，利用随机森林算法构建滑坡易发性模型，将结果分为极低、低、中、高、极高等5个易发性等级，探讨了随机森林模型在三峡库区滑坡易发性区划中的普适性，最后通过Permutation Importance, PDP, LIME方法研究随机森林模型的可解释性。【结果】滑坡高-极高易发区内滑坡点数占历史总滑坡点的71.3%，面积占区域总面积的20.42%，混淆矩阵准确率为0.968，全体数据集AUC值达0.962。通过模型解释可知地形起伏度、年平均降雨量、坡度是滑坡易发性区划中最重要的因子，且地形起伏度、坡度为正影响，当年平均降雨量小于1 300 mm时，对滑坡的发生也产生正影响。【结论】基于可解释性机器学习的滑坡易发性区划模型预测精度高，对滑坡的精准防治有重要的实践意义。
相似文献/References:
[1]熊霖,唐万梅. 基于k-means++的多分类器选择分类研究 [J].重庆师范大学学报(自然科学版),2018,35(06):88.[doi:10.11721/cqnuj20180616]
[2]向红艳,杨朋涛,伊佳佳.基于RF-LR的高速公路逃费车辆状态预测模型[J].重庆师范大学学报(自然科学版),2020,37(01):75.[doi:10.11721/cqnuj20200105]
XIANG Hongyan,YANG Pengtao,YI Jiajia.State Prediction Model of Expressway Escaping Vehicles Based on RF-LR[J].期刊社,2020,37(03):75.[doi:10.11721/cqnuj20200105]
[3]刘睿,施婌娴,孙德亮,等.基于GIS与随机森林的巫山县滑坡易发性区划[J].重庆师范大学学报(自然科学版),2020,37(03):86.[doi:10.11721/cqnuj20200306]
LIU Rui,SHI Shuxian,SUN Deliang,et al.Based on GIS and Random Forest Model for Landslide Susceptibility Mapping in Wushan County[J].期刊社,2020,37(03):86.[doi:10.11721/cqnuj20200306]
更新日期/Last Update:
2022-05-25