首页|基于自动机器学习的全球尺度滑坡灾害易发性预测

基于自动机器学习的全球尺度滑坡灾害易发性预测

扫码查看
原文链接
  • 万方数据
  • 维普
基于机器学习的滑坡灾害易发性预测模型由于其固有缺陷,难以获得更为可靠的评价结果.自动机器学习作为新兴的智能学习方法,拥有自动选择特征、模型和参数的优良性能,并最大程度减少模型选择和训练成本,因此在滑坡灾害易发性预测方面具有广阔前景.为了深入研究该技术在全球尺度滑坡灾害易发性预测中的可行性,利用Auto-PyTorch自动机器学习模型构建全球尺度滑坡易发性预测处理框架,并与经典机器学习模型——随机森林(RF)模型和朴素贝叶斯(NB)模型进行性能对比.在此基础上,以全球60°N-60°S纬度范围作为研究区,进行全球尺度滑坡灾害易发性制图.实验结果表明,相较于经典机器学习方法,基于自动机器学习的滑坡易发性分析能够获得性能更鲁棒、精度更优越的预测结果,可以为全球性地质灾害风险评估和管理提供坚实的科学依据.
Global Landslide Susceptibility Prediction Based on Automatic Machine Learning

王毅、陈曦、唐贵希、方志策、李朋磊

展开 >

中国地质大学(武汉) ,湖北 武汉 430074

湖北省地质调查院,湖北 武汉 430034

湖北省地质局 遥感应用技术中心,湖北 武汉 430034

滑坡 易发性预测 全球尺度 自动机器学习 灾害评估与管理

国家自然科学基金联合基金国家自然科学基金湖北省地质局科技项目多灾种应急动态风险区划展示平台建设项目

U21A201361271408KJ2022-7KJ2022-58

2022

10.16536/j.cnki.issn.1671-1211.2022.05.009

资源环境与工程
湖北省地质学会,长江水利委员会长江勘测规划设计研究院,中国冶金地质勘查工程总局中南局,湖北省地质科学研究所

资源环境与工程

影响因子：0.283
ISSN：1671-1211
年,卷(期)：2022.36(5)
  • 1
  • 3