不同特征选择方法于区域地震滑坡危险性预测结果的差异性分析——以汶川地震区为例

区域性地震滑坡危险性评估模型是一个用于评定特定地区在地震发生时滑坡概率及其危害程度的关键工具。目前,以机器学习为代表的数学建模方法成为了构建该评估模型的主要手段。但是,由于影响因子自身的复杂性与多样性所产生的评估模型预测结果的差异性这一问题却少有研究。此次研究结合汶川地震区内11个影响因子,分别运用相关性系数、主成分分析及Gini指数三种特征选择方法形成三类数据集。结合人工神经网络模型构建了该区域地震滑坡危险性评估模型,并详细地分析了上述三类方法形成的数据集构建的评估模型于预测结果的差异性。结果表明:基于主成分分析法形成的数据集构建的评估模型,对于非常高危险性等级区域的划分精度最高,并且,频率比精度达到了92%,ROC曲线的预测精度达到了93.3%,预测精度均为三组评估模型中的最高值。此次研究旨在为相关研究人员在地震滑坡危险性评估模型的构建方面提供一定的思路,并为后续综合多个地震区、多组特征组成的不同维度的数据集构建一个具有普适性的特征选择方法提供一定的理论基础。