异常检测下的滑坡危险性分析与可解释性

摘要

以云南省宣威市为研究对象,选取Z-Score、 K近邻（KNN）和自组织映射（SOM）对滑坡样本进行优化.剔除异常样本后结合LightGBM算法建立滑坡危险性评价模型,用接受者操作特性曲线和混淆矩阵对优化后的模型进行对比分析,用SHAP模型对精度较高的SOM-LGBM模型进行滑坡灾害影响因子可解释性分析.结果表明, Z-Score、 KNN和SOM模型对滑坡的预测精度分别提高了2.10、 4.28和5.91,接受者操作特性曲线下面积分别提高了0.009 0、 0.011 6和0.024 0, SOM模型对于滑坡预测模型的提升效果最明显,其极高、高、中、低、极低危险区的面积分别为787.31、 482.91、499.46、 723.76和3 802.30 km².用SHAP模型对滑坡灾害进行敏感性分析,其中高程和植被归一化指数是影响研究区滑坡发生的重要因素,降雨量和地震动峰值加速度是诱发滑坡的关键因素.

关键词

滑坡灾害 / LightGBM算法 / 异常检测 / Z-Score模型 / K-最近邻模型

基金资助

云南省科技厅基础研究计划项目（202401CF070138）