基于多时空滑坡编录和TrAdaBoost迁移学习的滑坡易发性评价
为了解决震区不同时期易发性评价中滑坡编录样本不足问题,以汶川地震震区汶川?映秀区域为研究区,基于TrAdaBoost迁移学习算法,利用 2011?2013 年滑坡数据集辅助训练 2013?2015 年滑坡数据集的滑坡易发性模型,分别建立了以决策树(DT)和随机森林(RF)为单体学习器的TrAdaBoost-DT和TrAdaBoost-RF滑坡易发性模型.通过所建立的模型对研究区的滑坡易发性进行预测,并将预测结果与仅用 2013?2015 年滑坡数据集所建立的DT和RF模型的预测结果进行对比.以受试者工作曲线下方面积(AUC)为评价指标,TrAdaBoost模型使得DT和RF模型的AUC分别提高了 0.03 和 0.01.为了进一步验证所提方法有效性,以 2013?2015 年滑坡数据集辅助训练 2015?2018 年滑坡数据集中的易发性模型.结果表明,基于TrAdaBoost模型优化DT和RF模型的AUC均提高了 0.13;TrAdaBoost模型能够有效提高传统基于机器学习滑坡易发性模型的预测性能,且对小数据集下的滑坡易发性模型的预测性能提升更为显著.
滑坡易发性、滑坡编录、迁移学习、TrAdaBoost、决策树、随机森林、工程地质
48
P642(水文地质学与工程地质学)
国家自然科学基金;国家自然科学基金
2023-06-09(万方平台首次上网日期,不代表论文的发表时间)
共13页
1935-1947