耦合统计与机器学习模型的黄土地震滑坡危险性评价

王雅丽; 王平; 王会娟; 许书雅; 于浩然; 张兴富

doi:10.20000/j.1000-0844.20240814001

地震工程学报 ›› 2025, Vol. 47 ›› Issue (04) : 864 -875+900. DOI: 10.20000/j.1000-0844.20240814001

耦合统计与机器学习模型的黄土地震滑坡危险性评价

王雅丽, 王平, 王会娟, 许书雅, 于浩然, 张兴富

作者信息 +

Author information +

文章历史 +

PDF

摘要

黄土高原新构造活动强烈，地震频发，加之黄土特殊的物理力学性质与粒状架空孔隙结构，易由强震诱发黄土滑坡，造成人员伤亡及经济损失。以黄土高原范围内的天水市为例，耦合统计与机器学习模型对黄土地震滑坡危险性进行评价。选取信息量(IV)和频率比(FR)模型，分别与逻辑回归(LR)、支持向量机(SVM)、多层感知机(MLP)模型耦合，得到6种耦合模型(FR-LR、FR-SVM、FR-MLP、IV-LR、IV-SVM、IV-MLP),并采用受试者工作特征曲线下方面积(AUC)、准确率、精确率、特异性、敏感度、F1值评价模型精度。结果显示：(1)作为机器学习模型的一个分支，深度学习模型(MLP)相较于传统机器学习模型(LR、SVM),在研究中展现出更优的评价性能；FR-MLP模型的AUC值高于FR-LR、FR-SVM模型，IV-MLP模型的AUC值高于IV-LR、IV-SVM模型。(2)IV模型耦合的评价结果优于FR模型耦合结果，6种模型的AUC值呈现FR-LR