基于多时空滑坡编录和TrAdaBoost迁移学习的滑坡易发性评价

Landslide Susceptibility Assessment Based on Multitemporal Landslide Inventories and TrAdaBoost Transfer Learning

摘要

为了解决震区不同时期易发性评价中滑坡编录样本不足问题，以汶川地震震区汶川‒映秀区域为研究区，基于TrAdaBoost迁移学习算法，利用2011‒2013年滑坡数据集辅助训练2013‒2015年滑坡数据集的滑坡易发性模型，分别建立了以决策树（DT）和随机森林（RF）为单体学习器的TrAdaBoost-DT和TrAdaBoost-RF滑坡易发性模型.通过所建立的模型对研究区的滑坡易发性进行预测，并将预测结果与仅用2013‒2015年滑坡数据集所建立的DT和RF模型的预测结果进行对比.以受试者工作曲线下方面积（AUC）为评价指标，TrAdaBoost模型使得DT和RF模型的AUC分别提高了0.03和0.01.为了进一步验证所提方法有效性，以2013‒2015年滑坡数据集辅助训练2015‒2018年滑坡数据集中的易发性模型.结果表明，基于TrAdaBoost模型优化DT和RF模型的AUC均提高了0.13；TrAdaBoost模型能够有效提高传统基于机器学习滑坡易发性模型的预测性能，且对小数据集下的滑坡易发性模型的预测性能提升更为显著.

关键词

滑坡易发性 / 滑坡编录 / 迁移学习 / TrAdaBoost / 决策树 / 随机森林 / 工程地质

Key words

landslide susceptibility / landslide inventory / transfer learning / TrAdaBoost / decision tree / random forest / engineering geology

基金资助

国家自然科学基金项目(52078393;U2240211)