基于信息量与神经网络模型的滑坡易发性评价

作     者：陈飞 蔡超 李小双 孙涛 钱乾 CHEN Fei;CAI Chao;LI Xiaoshuang;SUNTao;QIAN Qian

作者机构：江西理工大学资源与环境工程学院江西赣州341000 江西理工大学江西省矿业工程重点实验室江西赣州341000 

出 版 物：《岩石力学与工程学报》 (Chinese Journal of Rock Mechanics and Engineering)

年 卷 期：2020年第39卷第S01期

页      面：2859-2870页

核心收录：

学科分类：081803[工学-地质工程] 08[工学] 0818[工学-地质资源与地质工程] 

基　　金：国家自然科学基金青年基金项目(41702327) 江西省教育厅科学技术研究项目(GJJ16064) 

主　　题：边坡工程 信息量模型 神经网络 滑坡易发性 非滑坡单元 

摘      要：针对神经网络模型进行滑坡易发性评价时,传统的随机选取非滑坡单元存在准确性不高的缺点,提出信息量与神经网络结合的易发性评价模型。以江西省上犹县为研究区,首先,基于上犹县滑坡编录与实际调查,选取坡度、高程、坡向、平面曲率、剖面曲率,植被指数(NDVI)、湿度指数(TWI)、距水系距离、距道路距离、土地利用等10个环境因子,其次利用信息量模型对上犹县进行易发性分区,得到上犹县易发性分区图。然后,从信息量模型得出的易发性分区中的低易发区选取非滑坡单元,与滑坡编录中的历史滑坡点组成测试集与训练集,输入神经网络中训练模型,再将上犹县所有栅格输入,预测上犹县栅格的滑坡概率。最后利用自然断点法在上犹县栅格滑坡概率进行分类,得到基于信息量与人工神经网络结合的上犹县易发性分区图。由易发性结果表明:单独的信息量模型的成功率曲线下面积AUC=0.7364,历史灾害点位于高易发区与较高易发区的灾害数占总灾害数的55.6%;基于信息量与神经网络模型的AUC=0.7874;历史灾害点位于高易发区与较高易发区的灾害数占总灾害数的85.8%。信息量–神经网络的评价模型比单独的信息量模型的评价精度提高了5.1%;高易发区与较高易发区所涵盖的灾害数占比高30.2%。信息量–神经网络模型有更好的评价精度,并且证明了在信息量模型中的极低易发区选取非滑坡点具有可行性。