基于聚类分析和支持向量机的滑坡易发性评价

摘要：

在将支持向量机(support vector machine,SVM)等机器学习模型用于区域滑坡易发性评价时,大都随机或主观地选取非滑坡栅格单元,不能保证所选的非滑坡栅格单元是真正的“非滑坡”.为解决此问题,提出基于聚类分析和SVM的滑坡易发性评价模型.该模型首先用自组织映射(self-organizing mapping,SOM)神经网络对滑坡易发性进行聚类分析;然后从极低易发区中选择非滑坡栅格单元,确保所选非滑坡栅格单元是高概率的“非滑坡”;最后采用SVM模型基于已知滑坡、所选非滑坡和环境因子对滑坡易发性进行评价.将提出的SOM-SVM模型用于三峡库区万州区滑坡易发性评价,并将得到的易发性结果与随机选取非滑坡的单独SVM模型结果做对比.结果显示SOM-SVM模型具有比单独SVM模型更高的成功率和预测率,表明SOM神经网络能更准确地选取非滑坡栅格单元.

关键词：边坡工程、滑坡易发性、非滑坡栅格单元、自组织映射神经网络、支持向最机

所属期刊栏目：37

分类号：P642(水文地质学与工程地质学)

在线出版日期：2018-03-02（万方平台首次上网日期，不代表论文的发表时间）

页数：共12页

页码：156-167