基于机器学习的降雨—滑坡灾害链直接经济损失脆弱性评估

摘要：

承灾体脆弱性定量评估是灾害风险评估中的一项重要任务,也是个难点问题.开展降雨—滑坡直接经济损失脆弱性定量评估能直接为灾害链风险评估提供关键参数,对区域灾害链风险防范具有重要的意义.该文基于区域灾害系统,综合考虑致灾因子危险性、孕灾环境稳定性和承灾体脆弱性要素,采用机器学习算法,构建了降雨—滑坡灾害链直接经济损失脆弱性评估模型,并以贵州省毕节和六盘水两市为例,开展了降雨—滑坡灾害链直接经济损失脆弱性定量评估.结果表明,在三种机器学习算法模型中,随机森林和决策树模型具有相对较好的效果(最优变量组合的R2分别为0.284和0.342,RMSE分别为7.92和7.59),XGBoost算法的效果相对较差.不同方法在实际损失的极值预测仍然存在偏差.决策树模型中脆弱性贡献变量最为重要的是NDVI、GDP和高程,而随机森林模型中则为累计有效降雨量和距道路距离.

关键词：降雨—滑坡灾害链、脆弱性、机器学习算法、定量评估、毕节和六盘水市

所属期刊栏目：37

分类号：X43;X915.5;P642;P694(自然灾害及其防治)

资助基金：国家重点研发计划;高等学校学科创新引智计划111计划

在线出版日期：2023-02-10（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：220-224