改进的学习向量量化滑坡易发性评价模型研究

摘要：

针对传统的学习向量量化模型只能进行欧式空间的度量问题,该文将在学习向量量化(LVQ)模型的基础上引入径向基核函数(RBF)建立径向基函数的学习向量量化(RBF-LVQ)评价模型.以文成县为研究区,结合GIS技术选取坡度、坡向、坡形、断层距离、地质岩组、极端小时降雨量、地形湿度指数、地表覆盖、风化层厚度、黏聚力10个评价因子构建滑坡易发性评价体系,随机选取70％数据作为训练样本,分别采用RBF神经网络、LVQ神经网络和RBF-LVQ模型进行滑坡灾害易发性评价,并将剩余的30％数据利用ROC曲线进行精度检验.结果显示,训练后的RBF-LVQ模型AUC值为0.88,优于RBF神经网络的0.85和LVQ的0.86.RBF-LVQ模型拥有更好的预测能力,可为研究区域提供模型和决策支持.

关键词：滑坡、易发性评价、径向基函数、学习向量量化

所属期刊栏目：48

分类号：X915.5(安全科学基础理论)

资助基金：国家自然科学基金51374046

在线出版日期：2023-07-27（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：239-246