基于径向基神经网络耦合确定性指数的滑坡易发性分区研究

摘要：

滑坡易发性分区是预测滑坡的有效方法.利用径向基神经网络模型(RBFNN模型)耦合确定性指数(CF指数)构建混合模型(RBFNN-CF模型),开展陕西省汉中市城固县滑坡易发性分区研究.首先选取坡度、坡向、平面曲率、剖面曲率、高程、年平均降雨量、道路缓冲区、水系缓冲区、断层缓冲区、NDVI和地层岩组作为滑坡诱发因子,计算对应的CF指数并量化诱发因子;其次将野外调查的184个滑坡数据按照7:3的比例划分为训练数据和测试数据,分别利用RBFNN-CF和RBFNN模型绘制滑坡易发性分区图;最后利用受试者工作特征曲线(ROC曲线)下的面积评估和对比分区的结果及模型的分类能力.结果表明:RBFNN-CF模型的分类能力和泛化性均强于RBFNN模型,值得在研究区推广,得到的滑坡易发性分区图可为当地的滑坡防治工作提供参考.

关键词：滑坡;易发性;RBFNN;CF指数;混合模型;GIS;ROC曲线

所属期刊栏目：38

分类号：P694(环境地质学)

资助基金：陕西省自然科学基础研究计划项目;中央高校基本科研业务费专项;陕西省企业创新争先青年人才托举计划项目

在线出版日期：2021-11-10（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：64-72