径向基神经网络_基于集成学习与径向基神经网络耦合模型的三峡库区滑坡易发性评价...

   点击蓝字关注我们哦&＃xff01;

      准确的滑坡易发性评价结果是滑坡风险评价的重要基础.为提升滑坡易发性评价精度&＃xff0c;以三峡库区龙驹坝为例&＃xff0c;选取坡度等10个因子构建滑坡易发性评价指标体系&＃xff0c;应用频率比方法定量分析各指标与滑坡发育的关系.在此基础上&＃xff0c;随机选取70%/30%的滑坡数据作为训练/测试样本&＃xff0c;应用径向基神经网络和Adaboost集成学习耦合模型(RBNN-Adaboost)&＃xff0c;径向基神经网络和逻辑回归模型分别开展易发性评价.结果显示&＃xff1a;水系距离、坡度等是滑坡发育的主控因素&＃xff1b;RBNN-Adaboost耦合模型的预测精度最高(0.820)&＃xff0c;优于RBNN模型和LR模型的0.781和0.748.Adaboost集成算法能进一步提升模型的预测性能&＃xff0c;所提出的耦合模型结合了两者的优点&＃xff0c;具有更强的预测能力&＃xff0c;是一种可靠的滑坡易发性评价模型.

图1 径向基神经网络结构

图2 RBNN⁃Adaboost耦合模型流程图

图3 (a)三峡库区地图和(b)研究区高程及滑坡分布图

文章刊登在《地球科学》第45卷第6期

周超,殷坤龙,曹颖,等,2020.基于集成学习与径向基神经网络耦合模型的三峡库区滑坡易发性评价 .地球科学,45(6):1865-1876.

https://doi.org/10.3799/dqkx.2020.071

更多论文信息&＃xff0c;请点击左下方(

往期回顾

→近70年中国变质岩石学-变质地质学的研究进展

→地史时期生物对冰室气候形成的作用

→造山带橄榄岩岩石学与构造过程:以松树沟橄榄岩为例

→关于发展洋板块地质学的思考

→片麻岩穹窿与伟晶岩型锂矿的成矿规律探讨

→关于大陆构造研究的一些思考与讨论

→纪念马杏垣先生

→岩浆作用与地球深部过程

→秦岭造山带是印支碰撞造山带吗?

→下扬子地区早古生代晚期前陆盆地沉积特征与盆山过程

→大陆俯冲带壳幔相互作用

→"同一健康"视角下医学地质学的创新发展

喜欢就点个在看吧&＃xff01;