留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

基于优化负样本采样策略的梯度提升决策树与随机森林的汶川同震滑坡易发性评价

郭衍昊 窦杰 向子林 董傲男 马豪 罗万祺

郭衍昊, 窦杰, 向子林, 董傲男, 马豪, 罗万祺. 基于优化负样本采样策略的梯度提升决策树与随机森林的汶川同震滑坡易发性评价[J]. 地质科技通报. doi: 10.19509/j.cnki.dzkq.tb20230037
引用本文: 郭衍昊, 窦杰, 向子林, 董傲男, 马豪, 罗万祺. 基于优化负样本采样策略的梯度提升决策树与随机森林的汶川同震滑坡易发性评价[J]. 地质科技通报. doi: 10.19509/j.cnki.dzkq.tb20230037
Optimized negative sampling strategies of gradient boosting decision tree and random forest for evaluating Wenchuan coseismic landslides susceptibility mapping[J]. Bulletin of Geological Science and Technology. doi: 10.19509/j.cnki.dzkq.tb20230037
Citation: Optimized negative sampling strategies of gradient boosting decision tree and random forest for evaluating Wenchuan coseismic landslides susceptibility mapping[J]. Bulletin of Geological Science and Technology. doi: 10.19509/j.cnki.dzkq.tb20230037

基于优化负样本采样策略的梯度提升决策树与随机森林的汶川同震滑坡易发性评价

doi: 10.19509/j.cnki.dzkq.tb20230037
基金项目: 国家级-国家自然科学基金重大项目课题(42090054)

Optimized negative sampling strategies of gradient boosting decision tree and random forest for evaluating Wenchuan coseismic landslides susceptibility mapping

  • 摘要: 强震诱发的滑坡具有数量多、分布广、规模大等特点,严重威胁人民生命财产安全。滑坡易发性评价能够快速预测灾害空间分布,对于减轻震后灾害的危险性具有重要意义。在同震滑坡易发性评价研究中,如何选取滑坡负样本并通过耦合机器学习模型提高评价精度的对比研究仍需进一步研究。本文以山区汶川地震诱发的滑坡为研究区,首先,选取地形地貌、地质环境、地震参数等10个滑坡影响因子,分析滑坡空间分布规律;其次因子共线性分析检验数据冗余,接下来采用频率比法(FR)选取极低、低易发区滑坡负样本点的采样策略;最后采用基于决策树演化改进的梯度提升决策树(GBDT)、随机森林(RF)和耦合模型(FR-GBD与FR-RF),开展了基于机器学习的同震滑坡易发性区划并进行精度评价。研究结果表明:①滑坡空间分布受到多层级因子控制;②模型预测精度为:FR-RF (AUC=0. 943) > FR-GBDT (AUC=0. 926) > RF (AUC=0.901) > GBDT (AUC=0. 856),结果表明在低易发区选择滑坡负样本可以明显提高易发性精度,研究成果可为滑坡易发性中负样本的选择和评价模型构建提供参考同时也为震后滑坡的防灾减灾提供理论支持。

     

  • 加载中
计量
  • 文章访问数:  61
  • PDF下载量:  14
  • 被引次数: 0
出版历程
  • 收稿日期:  2023-01-28
  • 网络出版日期:  2023-12-17

目录

    /

    返回文章
    返回