机器学习在滑坡易发性评估中的多模型分级优化.docxVIP

机器学习在滑坡易发性评估中的多模型分级优化

目录

文档概要．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．4

1.1研究背景与意义．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．5

1.1.1地质灾害风险现状．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．6

1.1.2滑坡灾害的防治需求．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．6

1.2国内外研究进展．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．9

1.2.1滑坡易发性评价方法概述．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．10

1.2.2机器学习技术应用现状．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．11

1.3研究目标与内容．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．12

1.3.1核心研究目的．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．15

1.3.2主要研究任务．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．16

1.4技术路线与研究框架．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．17

1.4.1研究思路．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．18

1.4.2技术流程图．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．26

滑坡易发性影响因素分析．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．28

2.1数据源获取与处理．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．29

2.1.1空间数据类型．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．30

2.1.2数据预处理方法．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．32

2.2影响因子选取与表征．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．35

2.2.1潜在影响因素识别．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．36

2.2.2因子数据标准化与量化．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．37

基于机器学习的滑坡易发性模型构建．．．．．．．．．．．．．．．．．．．．．．．39

3.1机器学习算法选择．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．40

3.1.1常用分类模型比较．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．42

3.1.2模型适用性分析．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．44

3.2模型训练与验证．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．47

3.2.1样本划分策略．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．48

3.2.2模型性能评估指标．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．49

多模型集成与分级优化策略．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．51

4.1集成学习方法探讨．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．52

4.1.1基于模型融合的集成．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．57

4.1.2基于Bagging/Boosting的集成．．．．．．．．．．．．．．．．．．．．．．．．．．59

4.2模型权重动态分配．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．61

4.2.1基于性能的权重确定．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．64

4.2.2基于专家知识的权重调整．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．65

4.3易发性等级划分标准．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．66

4.3.1等级体系构建原则．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．67

4.3.2等级阈值确定方法．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．69

实证研究与应用．．．．．．．．．．．．．．．．．．．．．．