中国安全科学学报

作者：丁茜, 赵晓东, 吴鑫俊, 张泰丽, 徐振涛

单位：1大连大学 建筑工程学院,大连 116622；2中国地质调查局 南京地质调查中心,江苏 南京210016

关键词：滑塌,易发性评价,支持向量机(SVM),径向基函数(RBF),随机森林(RF)

基金：国家自然科学基金资助(51374046); 浙江丽水地区灾害地质灾害调查项目(DD20190648)

为合理有效地评价地质灾害易发性,依托浙江省温州市飞云江流域地质灾害调查数据,通过有监督的支持向量机(SVM)机器学习模型,建立基于径向基函数(RBF)核的多分类SVM滑塌易发性评价模型。在地理信息系统(GIS)中选取9类特征数据,作为模型训练输入值,采用随机森林(RF)算法分析各指标权重,以高斯函数为RBF核函数,将SVM的输入特征数据映射到高维空间中并加以识别;同时提出高斯核函数超参数C和γ的优化方法,解决SVM模型中超参数不能优化求解的问题;训练后,极易发生类的受试者特征曲线(ROC)的曲线下面积(AUC)达0.97,宏观多分类ROC曲线下AUC值为0.87。训练得到的评价模型既保证了重要分类的精度,又避免过拟合的情况。

来源：2022年第3期

《中国安全科学学报》期刊编辑部

查看中国安全科学学报杂志2022年第3期