基于信息量-支持向量机组合模型的东莞市地面沉降灾害易发性评价

易发性评价是地面沉降灾害风险识别及减避控制的靶向关键技术问题,为解决单一评价模型存在的过拟合问题,以东莞市地面沉降发育重点区为对象,采用相关系数法筛选并构建由软土层厚度、填土层厚度、与断裂带距离、建筑密度和道路密度组成的评价因子组合,开展基于信息量-支持向量机组合模型的地面沉降易发性评价,并结合地理信息系统(GIS)划分出高(Ⅰ)、中(Ⅱ)和低(Ⅲ)3个易发性等级分区。结果表明:使用受试者工作特征曲线(ROC)和历史灾点验证法校验,信息量-支持向量机(IM-SVM)组合模型的AUC值为0.915,位于高、中易发性分区内的灾点数为90.57%,较单一信息量模型(IM)和支持向量机模型(SVM)具有更高的评价精度。基于数据驱动的机器学习法在对灾害评价分类方面有更强的优越性,进一步选取相同原理、性能差异不大的学习器进行组合更能实现评价可靠性的提高。

基于确定系数法和信息量模型对新疆特克斯县滑坡敏感性评价的对比研究

在综合当地滑坡灾害发育特征和诱发因素基础上,选取黄土、坡度、坡向、剖面曲率、降雨等12个因子作为滑坡灾害易发性评价因子。利用确定系数法和信息量模型分别与逻辑回归结合构建了LLCF、LLSI两种模型作为滑坡敏感性评价方法。据模型计算结果,将滑坡灾害易发程度划分为极低易发区、低易发区、中易发区、高易发区和极高易发区。利用接收者操作特征曲线(ROC,Receiver Operating Characteristic Curve)及下围面积(AUC,,Area Under the ROC Curve)值分别对两种模型进行精度检验。结果表明:LLCF和LLSI模型在训练集上成功率曲线AUC值分别为0.9032和0.8411;在测试集上预测率曲线AUC值分别为0.8998、0.8715。整体上LLCF模型精度高于LLSI模型,为当地防灾减灾、国土资源等方面提供了有效的数据支持。