基于谱聚类算法的海底滑坡危险性评价

摘要：

海底滑坡的危险性评价与分区,对海洋工程设施的选址和危险预防具有指导作用.本文基于无监督机器学习的谱聚类算法对黄河口埕岛海域展开了海底滑坡危险性评价,构建了输入参数为9、输出类别为4、核函数参数为0.08的海底滑坡危险性评价模型.使用该模型进行评价,将研究区分为了海底滑坡危险性高、较高、较低和低的区域.评价结果与地质环境因素分布特征对比显示,最重要的影响因素为海底沉积物类型和水动力作用,最重要的触发因子为液化.模型参数分析结果显示,合理简化输入因子可获得精度略低的评价结果,而核函数参数是影响评价准确性的重要指标.以上研究表明,谱聚类算法能够较好地用于海底滑坡危险性评价,数据类别丰富度和精度是影响评价精细程度的重要因素.

关键词：海底滑坡、黄河口、危险性评价、无监督学习、谱聚类

所属期刊栏目：43

分类号：P642.22(水文地质学与工程地质学)

资助基金：中国电建集团华东勘测设计研究院有限公司201项目;山东省自然科学基金;国家重点研发计划项目;国家自然科学基金

在线出版日期：2021-03-05（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：93-101