滑坡易發性預測不確定性:環境因子不同屬性區間劃分和不同數據驅動模型的影響

作者：黃發明,葉舟,姚池,李遠耀,殷坤龍,黃勁松,姜清輝

摘要：對于滑坡易發性預測建模,連續型環境因子在頻率比分析時的屬性區間劃分數量(attribute interval numbers,AIN)和不同易發性預測模型是兩個重要不確定性因素.為研究這兩個因素對建模的影響規律,以江西省上猶縣為例,考慮5種連續型環境因子AIN劃分(4、8、12、16及20)和5種數據驅動模型(層次分析法(analytic hierarchy process,AHP)、邏輯回歸(logistic regression,LR)、BP神經網絡(back-propagation neural network,BPNN)、支持向量機(support vector machine,SVM)和隨機森林(random forest,RF)),總計25種不同工況下的滑坡易發性預測研究.再開展滑坡易發性指數的不確定性(包括精度評價和統計規律等)分析.結果表明:(1)對于同一模型,隨著AIN值從4增加至8再到20時,易發性預測精度先逐漸提升,然后緩慢提升直至穩定;(2)對于同一AIN值,RF模型預測精度最高,其后依次為SVM、BPNN、LR和AHP模型;(3)在25種組合工況下,AIN=20和RF模型的預測精度最高,AIN=4和AHP模型精度最低,但在AIN=8和RF模型組合下的易發性建模效率較高且精度也較高;(4)更大的AIN值和更先進的機器學習模型預測出的滑坡易發性指數的不確定性相對較低,更符合實際的滑坡概率分布特征.在環境因子屬性區間劃分為8和RF模型工況下高效準確地構建滑坡易發性預測模型.

發文機構：南昌大學建筑工程學院 中國地質大學地質調查研究院 紐卡斯爾大學巖土科學與工程卓越研究中心 武漢大學土木建筑工程學院

關鍵詞：滑坡易發性預測不確定性分析頻率比屬性區間劃分數據驅動模型工程地質landslide susceptibility predictionuncertainty analysisfrequency ratioattribute interval divisiondata-based modelsengineering geology

分類號： P642.22[天文地球—工程地質學]