返回
Landslide spatial prediction using data-driven based statistical and hybrid computational intelligence algorithms
DOI:10.1080/10106049.2025.2507919.png)
摘要
En 中文
地质环境驱动的滑坡易发性模型优化:山区灾害减灾的关键挑战。中国小金县地质复杂,灾害活跃,对人类和经济安全构成威胁。本研究通过比较三种数据驱动模型——WoE、优化RF和RBFNetworks,对小金县地形异质性高的滑坡易发性进行了评估。分析了12个条件因子与滑坡的时空相关性,确定了因子间的多重共线性,并通过MDA和MDG量化了因子的重要性,特别是高程、土壤和距道路距离。WoE模型表现出卓越性能(训练集AUC:0.899,验证集AUC:0.892),优于RF(训练集AUC:0.880,验证集AUC:0.874)和RBFNetwork(训练集AUC:0.866,验证集AUC:0.863)。研究结果对小金县的土地开发和管理具有重要意义,同时也挑战了机器学习范式。
Keyword:
Landslide susceptibility modeling
weights-of-evidence
random forest
radial basis function network
GIS
期刊
IF:
3.5
论文数:
2.4K
被引数:
6.9K
机构
引用论文
Multi-source landslide inventories for susceptibility assessment: a case study in the Concepción Metropolitan Area, Chile多源滑坡编目在易发性评估中的应用:智利康塞普西翁大都市区的案例研究
Regional-scale spatiotemporal landslide probability assessment through machine learning and potential applications for operational warning systems: a case study in Kvam (Norway)
LANDSLIDES
IF7
Coupling RBF neural network with ensemble learning techniques for landslide susceptibility mappingRBF神经网络与集成学习技术的耦合,用于滑坡敏感性映射
CATENA
IF5.7

