基于集成学习的地质灾害危险性评价

• 作者: 丁一 崔阳阳 曹晓凡 邓念东 邢聪聪
• 来源期刊: 水力发电
• 学科: 地球科学
• 关键词: 地质灾害 危险性评价 集成学习 Boosting模型 Bagging模型 随机森林模型
• 年，卷（期）: 2020,（10）
• 所属期刊栏目: 地质与勘测
• 页码范围: 36-41
• 页数: 6页
• 分类号: P694(241)
• 语种: 中文

摘要

以府谷县为研究区,提取地形地貌类、 地质类、 水文类、 人类工程活动等15种评价因子作为地质灾害的影响因素,分别采用Bagging、Boosting及随机森林(RF)3种集成学习算法对研究区地质灾害危险性进行评价.评价结果表明,Bagging、Boosting以及RF 3种模型的预测正确率分别为76.36％、74.54％和77.28％,预测精度均较高.采用ROC曲线对各模型的性能进行对比与检验表明,Bagging、Boosting及RF模型的AUC值分别为0.792、0.799、0.815,RF模型的性能表现更为优越.该结论为研究区地质灾害危险性评价模型的确定以及后期区内地质灾害防治工程设计提供参考.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	邓念东		37	206	10.0	13.0
2	曹晓凡		4	0	0.0	0.0
3	崔阳阳		2	0	0.0	0.0
4	丁一		4	3	1.0	1.0
5	邢聪聪		2	0	0.0	0.0