基于XGBoost模型的降雨诱发阶跃型滑坡位移预测

作     者：黄智杰 沈佳 简文彬 樊秀峰 聂闻 HUANG Zhijie;SHEN Jia;JIAN Wenbin;FAN Xiufeng;NIE Wen

作者机构：福州大学岩土与地质工程系福建福州350108 福州大学福建省地质灾害重点实验室福建福州350108 中国科学院海西研究院泉州装备制造研究所福建泉州362200 

出 版 物：《自然灾害学报》 (Journal of Natural Disasters)

年 卷 期：2023年第32卷第2期

页      面：217-226页

核心收录：

学科分类：083002[工学-环境工程] 0830[工学-环境科学与工程（可授工学、理学、农学学位）] 081803[工学-地质工程] 08[工学] 0818[工学-地质资源与地质工程] 

基　　金：国家自然科学基金项目(41861134011 U2005205) 

主　　题：机器学习 XGBoost模型 最大信息系数 阶跃型滑坡 位移预测 

摘      要：滑坡位移预测一直是滑坡研究的热点之一。近年来,随着计算机科学的发展,越来越多的人工智能技术模型被用于滑坡位移的预测。相较于常用的如LSTM神经网络等机器学习模型,集成算法中的XGBoost模型在滑坡位移预测领域尚不多见。由于其在滑坡位移预测中具有预测精度更高、运行速度更快等优点,目前在学术界已成为研究的热点领域。文中以泉州市安溪县尧山村滑坡地灾点监测数据为例,运用Python搭建XGBoost模型,并通过最大信息系数的比较来选定与位移高度相关的特征,输入至模型中对滑坡位移进行预测。结果表明,XGBoost模型因其在目标函数中引入正则项来控制模型过拟合、模型数据集划分采用前向验证方式等优点,相较于大多数机器学习模型,能更加准确地预测降雨诱发阶跃型滑坡位移。该模型对此类滑坡的位移预测及早期监测预警具有重要参考意义。