基于RS-SVM模型的滑坡易发性评价因子选择方法研究
区域滑坡易发性评价对于滑坡灾害的中长期预测预报具有十分重要的意义,而评价结果能否符合实际情况,取决于能否科学、合理地确定评价因子.本文以三峡库区秭归到巴东段为研究区,首先利用ArcGIS、SAGA GIS以及ENVI软件从遥感影像和数字高程模型中获得初始58个滑坡评价因子,在相关性分析和主成分变换对因子进行筛减和合并后,将剩余的滑坡评价因子分为控制因素和影响因素两大类,并采用粗糙集(Rough Set,RS)理论对其分别属性约简,生成由20个滑坡评价因子组成的核因子集,最后运用支持向量机模型(Support Vector Machine,SVM)对筛选出来的核因子集进行训练和预测,得到区域滑坡易发性评价结果,并将本文提出的环境因素筛选方法与传统的将所有环境因素一同进行筛选的方法进行了比较.研究结果表明,本文提出的方法在预测精度(76.9％)和准确性(曲线下面积为0.939)方面均优于传统方法(53.6％,0.912以及72.8％,0.932).
滑坡 易发性评价 粗糙集 支持向量机 预测精度
于宪煜 胡友健 牛瑞卿
中国地质大学(武汉)信息工程学院,武汉 430074 中国地质大学(武汉)地球物理与空间信息学院,武汉 430074
国内会议
武汉
中文
1-11
2015-10-31（万方平台首次上网日期，不代表论文的发表时间）