基于Logistic回归和MCMC方法评价地震滑坡敏感性
Logistic回归模型(Logistic Regression,LR)在滑坡敏感性评价上应用广泛,但目前对于模型参数不确定性的研究较为缺乏.马尔可夫链蒙特卡罗(Markov Chain Monte Carlo,MCMC)方法能够结合参数的先验信息得到其后验分布,从而对估计参数的不确定性进行分析.为探索MCMC方法在Logistic滑坡敏感性模型构建中的有效性;量化模型参数估计值的不确定性,以西南地区2013年4·20芦山地震,2017年8·8九寨沟地震和2014年8·3鲁甸地震为例,基于MCMC方法对Logistic回归模型的回归系数进行估计.构建了区域的地震滑坡敏感性模型,对模型参数的估计值进行了不确定性分析,并绘制了区域的滑坡敏感性图.结果表明:在芦山地震案例中,模型参数估计值的不确定性都比较低;在九寨沟案例中,岩性因子的参数估计值不确定性较高;在鲁甸地震中,岩性、剖面曲率和平面曲率的参数不确定性较高.总的来说,模型中的大多数参数估计值不确定性都较低.所构建的Logistic回归模型在三次地震滑坡事件中的预测精度都较高,AUC(Area Under ROC Curve)值均在0.9以上,这证明了MCMC方法对Logistic模型参数估计的准确性.在三次地震滑坡事件中,因子相对重要性最大的为高程,其次为距离断层的距离以及修正麦卡利烈度.研究为利用LR模型进行滑坡敏感性评价提供了一种新的思路和方法.
马尔可夫链蒙特卡罗、Logistic回归、不确定性、地震滑坡、滑坡敏感性
29
P642.22(水文地质学与工程地质学)
国家重点研发计划211800006
2022-05-12(万方平台首次上网日期,不代表论文的发表时间)
共9页
396-403,410