基于聚类分析和支持向量机的滑坡易发性评价

• 作者: 曹中山 殷坤龙 蒋水华 黄劲松 黄发明
• 来源期刊: 岩石力学与工程学报
• 学科: 地球科学
• 关键词: 边坡工程 滑坡易发性 非滑坡栅格单元 自组织映射神经网络 支持向最机
• 年，卷（期）: 2018,（1）
• 页码范围: 156-167
• 页数: 12页
• 分类号: P642
• 语种: 中文
• DOI: 10.13722/j.cnki.jrme.2017.0824

摘要

在将支持向量机(support vector machine,SVM)等机器学习模型用于区域滑坡易发性评价时,大都随机或主观地选取非滑坡栅格单元,不能保证所选的非滑坡栅格单元是真正的“非滑坡”.为解决此问题,提出基于聚类分析和SVM的滑坡易发性评价模型.该模型首先用自组织映射(self-organizing mapping,SOM)神经网络对滑坡易发性进行聚类分析;然后从极低易发区中选择非滑坡栅格单元,确保所选非滑坡栅格单元是高概率的“非滑坡”;最后采用SVM模型基于已知滑坡、所选非滑坡和环境因子对滑坡易发性进行评价.将提出的SOM-SVM模型用于三峡库区万州区滑坡易发性评价,并将得到的易发性结果与随机选取非滑坡的单独SVM模型结果做对比.结果显示SOM-SVM模型具有比单独SVM模型更高的成功率和预测率,表明SOM神经网络能更准确地选取非滑坡栅格单元.