基于CF-CNN-LSTM模型的滑坡易发性评价

摘要

针对滑坡灾害样本选择以及深度学习模型中的长期依赖、梯度消失、退化等问题，提出了一种结合确定性系数法(certainty factor, CF)、卷积神经网络(convolution neural network, CNN)模型和长短期记忆神经网络(long short-term memory, LSTM)模型的CF-CNN-LSTM深度学习模型。以广西壮族自治区梧州市辖区为研究区，选取高程、坡度和坡向等13种滑坡评价因子，采用CF-CNN-LSTM模型对研究区进行滑坡易发性评价，并与CNN模型、LSTM模型、循环神经网络模型和逻辑回归模型进行对比，利用受试者工作特征曲线(receiver operating characteristic, ROC)、整体准确率等6种方法对模型预测精度进行评估。结果表明：CF-CNN-LSTM模型的ROC曲线的曲线下面积(area under curve, AUC)值为0.953,高于其它单一模型，同时其它5项评估指标均优于单一模型，证明CF-CNN-LSTM模型具有更高的精度，可用于梧州市辖区的滑坡易发性评价工作，能够对该区域的滑坡风险管理提供科学的建议。

关键词

滑坡 / 易发性评价 / 确定性系数 / 卷积神经网络 / 长短期记忆网络