準(zhǔn)確的滑坡易發(fā)性評(píng)價(jià)結(jié)果是滑坡風(fēng)險(xiǎn)評(píng)價(jià)的重要基礎(chǔ).為提升滑坡易發(fā)性評(píng)價(jià)精度,以三峽庫(kù)區(qū)龍駒壩為例,選取坡度等10個(gè)因子構(gòu)建滑坡易發(fā)性評(píng)價(jià)指標(biāo)體系,應(yīng)用頻率比方法定量分析各指標(biāo)與滑坡發(fā)育的關(guān)系.在此基礎(chǔ)上,隨機(jī)選取70%/30%的滑坡數(shù)據(jù)作為訓(xùn)練/測(cè)試樣本,應(yīng)用徑向基神經(jīng)網(wǎng)絡(luò)和Adaboost集成學(xué)習(xí)耦合模型(RBNN-Adaboost),徑向基神經(jīng)網(wǎng)絡(luò)和邏輯回歸模型分別開(kāi)展易發(fā)性評(píng)價(jià).結(jié)果顯示:水系距離、坡度等是滑坡發(fā)育的主控因素;RBNN-Adaboost耦合模型的預(yù)測(cè)精度最高(0.820),優(yōu)于RBNN模型和LR模型的0.781和0.748.Adaboost集成算法能進(jìn)一步提升模型的預(yù)測(cè)性能,所提出的耦合模型結(jié)合了兩者的優(yōu)點(diǎn),具有更強(qiáng)的預(yù)測(cè)能力,是一種可靠的滑坡易發(fā)性評(píng)價(jià)模型.

【文章頁(yè)數(shù)】：12 頁(yè)

【文章目錄】：
0 引言
1 模型原理
    1.1 徑向基神經(jīng)網(wǎng)絡(luò)
    1.2 Adaboost集成學(xué)習(xí)算法
    1.3 RBNN-Adaboost耦合模型及精度評(píng)價(jià)
2 研究區(qū)概況
    2.1 區(qū)域地理環(huán)境
    2.2 工程地質(zhì)條件
3 數(shù)據(jù)準(zhǔn)備與分析
    3.1 滑坡數(shù)據(jù)編錄
    3.2 滑坡指標(biāo)因素
        3.2.1 高程
        3.2.2 坡度
        3.2.3 坡向
        3.2.4 徑流強(qiáng)度指數(shù)
        3.2.5 地形濕度指數(shù)
        3.2.6 地層巖性
        3.2.7斜坡結(jié)構(gòu)
        3.2.8 斷層距離
        3.2.9 水系距離
        3.2.1 0 道路距離
4 滑坡易發(fā)性制圖
    4.1 滑坡指標(biāo)共線性分析
    4.2 滑坡易發(fā)性建模
    4.3模型性能比較與分析
        4.3.1 滑坡發(fā)育規(guī)律分析
        4.3.2 精度統(tǒng)計(jì)分析
        4.3.3 ROC曲線精度分析
5 討論與結(jié)論



本文編號(hào)：3789780