异质集成学习在滑坡易发性评价中的对比研究 |
| |
引用本文: | 江宝得,李秀春,罗海燕,宋雨薇.异质集成学习在滑坡易发性评价中的对比研究[J].土木工程学报,2023(10):170-179. |
| |
作者姓名: | 江宝得 李秀春 罗海燕 宋雨薇 |
| |
作者单位: | 中国地质大学(武汉) |
| |
基金项目: | 地理信息工程国家重点实验室基金(SKLGIE2019-Z-4-1); |
| |
摘 要: | 滑坡易发性评价可以为有关部门制定滑坡相关的防灾减灾政策提供技术支撑。目前机器学习已被广泛应用于滑坡易发性评价中,而不同的机器学习模型预测精度各异,为对比分析不同异质集成学习模型在滑坡易发性评价中的精度表现,该文以滑坡多发的甘肃省天水市与陕西省宝鸡市交界处为研究区,采用Stacking、Blending和加权平均三种异质集成学习模型,以随机森林、支持向量机和BP神经网络作为基学习器,对研究区进行滑坡易发性评价对比研究。通过使用准确率、Kappa系数以及ROC曲线指标对三种异质集成模型及基学习器进行模型验证和对比分析,结果表明,Stacking集成模型的各项指标都优于其他对比模型,验证了Stacking集成模型在滑坡易发性评价方面较其他对比模型具有更高的预测精度。
|
关 键 词: | 滑坡 易发性评价 集成学习 机器学习 |
|
|