基于AI技术的滑坡易发性制图研究进展

摘要

基于AI技术的滑坡易发性制图具有高效、准确的优点，为推进其在滑坡灾害防治中的应用，在介绍和总结机器学习、深度学习以及集成学习模型的原理及特点的基础上，选择支持向量机、深度随机森林和随机森林等代表性模型在陕西省略阳县进行了应用分析；探讨了AI技术在滑坡易发性领域的应用及发展方向.研究结果表明：基于决策树的集成学习模型相比于逻辑回归、支持向量机等，表现出更高的效能，AUC值在0.90以上；LSM(landslide susceptibility mapping)中常用的类不平衡采样策略下，基于Boosting的集成模型具有优势，并且其受采样比的影响相对较小；对抗生成网络可以提高在深度学习模型在数据限制情况下的性能，本文中AUC值从0.77提升至0.82；滑坡理论模型与AI数据模型相结合，具有巨大的潜力；通过充分利用时序数据的AI模型可以提升模型的性能，并有助于揭示滑坡的链式灾害效应和时空演化特征；进行各种学习模型的系统性研究，对于AI技术在滑坡易发性制图中的应用具有重要的意义.

关键词

滑坡易发性制图 / 深度学习 / 机器学习 / 集成学习 / 工程地质