基于遗传算法优化的滑坡易发性评价模型

摘要

参数的合理选择是应用滑坡易发性评价模型开展灾害评价的关键环节之一。该文采用遗传算法(genetic algorithm, GA)对支持向量机(support vector machine, SVM)、随机森林(random forest, RF)、K-近邻算法(k-nearest neighbors, KNN)和轻量级梯度提升机(light gradient boosting, LightGBM)进行了优化与比较，并将其应用于湖北省巴东县地质灾害易发性评价中。通过准确率、查准率、查全率、F1值、受试者工作曲线(receiver operating characteristic, ROC)和滑坡比作为评价指标，评估各优化模型的预测性能并对评价因子进行了分析。研究结果表明，优化后的随机森林ROC曲线的曲线下面积(area under curve, AUC)为0.92,其他各项评价指标也优于另外的优化模型，其中覆盖层和地层为该模型最重要的影响因子。在所有优化模型中，极高易发区和高易发区主要都分布于长江沿岸，重点分布于沿岸西南地区的官渡口镇附近。

关键词

遗传算法 / 易发性评价 / 机器学习 / 三峡库区