基于PR-SVM模型的黄陵县滑坡易发性评价

摘要

基于概率比率(probability ratio, PR)模型的辅助和对比，探讨同一样本数据两次二分类、多分类和PR耦合分类的支持向量机(support vector machine, SVM)模型评价精度差异，并将最优分类策略应用于黄陵县滑坡易发性评价，旨在进一步探索县域滑坡易发性评价精度的提升路径。研究结果表明：因子多重共线性和相关性分析有效提高了样本参数的估计精度；PR模型的辅助运用有效提高了SVM模型的评价精度和效果；PR-SVM两次二分类模型较SVM多分类模型和PR-SVM耦合多分类模型具有更好的预测效果，115个详查滑坡灾害点中，93.91%落入中易发等级以上区域，63.48%落入高易发等级以上区域，表明该方法在滑坡易发性评价中具有应用推广价值；黄陵县滑坡极高易发区面积占比较低，主要集中分布于半坚硬层状碎屑岩区域和沟壑密度较大的黄土区，高易发区主要集中分布于水力侵蚀系数、降雨不均匀系数和沟壑密度均较大的黄土区。

关键词

支持向量机 / 滑坡 / 易发性 / 黄陵县