基于SOM-I-SVM耦合模型的滑坡易发性评价

P642.22; 在使用机器学习模型对滑坡进行易发性评价时,通常会在滑坡影响范围之外随机选取非滑坡样本点,具有一定的误差.为了提高滑坡易发性评价的精度,将自组织映射(self-organizing map,SOM)神经网络、信息量模型(information,I)以及支持向量机模型(support vector machine,SVM)进行耦合,提出一种基于SOM-I-SVM模型的滑坡易发性评价方法,并将SOM神经网络与K均值聚类算法进行对比,验证模型的可靠性.以十堰市茅箭区为例,首先通过对环境因子的相关性及重要性分析,筛选出距水系距离、坡度、降雨量、距构造距离、相对高差、距道路距离、地层岩性...

Ausführliche Beschreibung

Bibliographische Detailangaben

Veröffentlicht in:	水文地质工程地质 2023-05, Vol.50 (3), p.125-137
Hauptverfasser:	贾雨霏, 魏文豪, 陈稳, 杨清卓, 盛逸凡, 徐光黎
Format:	Artikel
Sprache:	chi
Online-Zugang:	Volltext
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!