基于机器学习的长沙市滑坡灾害快速风险评价

摘要：

提出采用随机森林(RF)和极限梯度提升(XGboost)模型对长沙市滑坡灾害进行快速危险性评价,并利用频率比法对评价结果进行检验和校准.基于层次分析法构建易损性快速评价体系并进行易损性评价.最后,采用数值分级方法集成危险性和易损性评价结果实现快速风险评价.结果表明,RF模型与XGBoost模型性能相近,但经频率比法校正后的XGBoost模型危险性评价结果更加合理;易损性评价中人口密度的权重值最大,高易损区多集中于市区、交通干线等区域.长沙市风险区划结果中较高风险、高风险区域占整个研究区面积的 4.6%,主要集中在沟谷、城镇和交通干线等区域.

关键词：滑坡灾害、机器学习、滑坡、随机森林、极限梯度提升、危险性评价、风险评价

所属期刊栏目：43

分类号：P642(水文地质学与工程地质学)

资助基金：湖南省安全生产预防;应急专项资金项目

在线出版日期：2023-11-21（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：26-31,36