一种利用贝叶斯算法优化XGBoost的滑坡易发性评价方法

摘要：

针对机器学习模型在滑坡易发性评价中,模型超参数的选择往往会影响评价结果准确性的问题,该文以离柳煤矿区为研究区,基于滑坡编录数据,确定研究区内356个滑坡点,并提取了 13个滑坡易发性评价因子,利用贝叶斯优化(BO)算法对极限梯度提升(XGBoost)模型进行优化,并用BO-XGBoost、BO-RF和BO-SVM这3种模型对研究区进行滑坡易发性评价,采用F1值、准确率和ROC曲线对3种模型的预测性能进行比较.结果表明:①13个评价因子均满足独立性要求,且滑坡易发性关系最密切的4个评价因子依次是采矿扰动、距道路距离、高程和地层岩性;②与传统XGBoost、RF和SVM相比,BO算法优化后的3种模型在预测精度上有显著提升,在研究区内,BO-XGBoost相比BO-RF和BO-SVM模型泛化能力较好,滑坡易发性评价结果精度较高.

关键词：滑坡易发性、贝叶斯优化、极限梯度提升、超参数优化、离柳煤矿区

所属期刊栏目：48

分类号：P237(摄影测量学与测绘遥感)

资助基金：国家自然科学基金;国家自然科学基金;山西省自然科学基金面上项目

在线出版日期：2023-10-20（万方平台首次上网日期，不代表论文的发表时间）

页数：共11页

页码：140-150