基于分形维数耦合支持向量机和熵权模型的滑坡易发性研究

陕西省宝鸡市北部黄土高原滑坡灾害频发,严重威胁当地人民的经济发展和生产生活。本研究基于分形维数,分别利用熵权模型(IOE)、支持向量机模型(SVM)和两种混合模型即F-IOE和F-SVM对滑坡可能发生的范围进行定量预测。首先,利用179个滑坡样本制作滑坡编录图,将70%(125个)的滑坡样本用于训练,其余30%(54个)用于测试。随后,提取12种滑坡影响因子,分别计算每个因子的信息增益率和分形维数,并使用训练数据建立4种滑坡易发性分区模型。最后,利用受试者工作特征曲线(ROC)和统计学指标包括阳性预测率(PPR)、阴性预测率(NPR)和准确率(ACC)测试模型的性能,并比较模型的泛化性。结果表明,F-SVM模型在训练和测试数据集上分别得到最高的PPR、NPR、ACC和AUC值,其次是F-IOE模型。最终,F-SVM模型在所有模型中表现最优,因此,基于分形维数构建的混合模型比原始模型更具优势,可为当地滑坡防治决策提供参考。