顾及样本优化选择的多核支持向量机滑坡灾害易发性分析评价

滑坡灾害易发性分析评价对地质灾害的防治与管理具有重要意义。针对滑坡灾害样本选择策略,单核支持向量机多特征映射不合理的问题,本文提出顾及样本优化选择的多核支持向量机(multiple kernel support vector machine,MKSVM)滑坡灾害易发性分析评价方法。为了保证样本平衡性并提高负样本的合理性,采用相对频率比(relative frequency,RF)综合评价各状态对于滑坡灾害易发性影响的重要程度,实现各评价因子状态的合理划分;利用确定性系数法(certainty factor,CF)计算各评价因子各状态分级影响滑坡灾害的敏感性,并在此基础上进行加权求和得到各栅格单元的滑坡灾害易发性指数,在滑坡灾害易发性指数极低和低易发区内随机选择与滑坡灾害点数目一致的非滑坡灾害点作为负样本数据。利用MKSVM对各特征空间最优核函数进行线性组合,解决了单一核函数映射不合理的问题,提高了模型的分类准确率和预测精度。以湖南省湘西土家族苗族自治州为研究区,从滑坡灾害易发性分区图、分区统计及评价模型精度3个方面对CF样本策略的MKSVM模型、CF样本策略的单核SVM模型、随机样本策略的MKSVM模型、随机样本策略的单核SVM模型进行了对比分析。结果表明,4种模型的受试者工作特征曲线(receiver operating characteristic,ROC)下的面积(area under curve,AUC)分别为0.859、0.809、0.798、0.766,验证了CF样本策略的合理性、有效性及MKSVM模型的可靠性。

随机森林赋权信息量的滑坡易发性评价方法

针对传统信息量模型在滑坡易发性评价中,直接将各评价因子信息量叠加,未考虑评价因子间权重,对易发性分区结果造成不利影响的问题,该文提出随机森林赋权信息量的滑坡灾害易发性评价方法。首先基于参数优化的随机森林模型计算出客观权重;然后将客观权重赋予各评价因子,对各评价因子信息量加权叠加。基于自然间断点法将得到的综合信息量图进行划分;最后以陕西省汉中市为实验区,从滑坡灾害易发性分区图、分区统计灾害点密度及评价模型ROC曲线精度3个方面,将所提方法与传统信息量法进行了对比。实验结果表明,所提方法的准确性、可靠性优于传统的信息量法。