基于深度学习模型的岩溶塌陷易发性评价——以广佛肇地区为例

胡飞跃; 徐昊翔; 邓成坚; 杨舒铎

doi:10.13278/j.cnki.jjuese.20240068

吉林大学学报(地球科学版) ›› 2026, Vol. 56 ›› Issue (2) : 584 -597. DOI: 10.13278/j.cnki.jjuese.20240068

基于深度学习模型的岩溶塌陷易发性评价——以广佛肇地区为例

胡飞跃, 徐昊翔, 邓成坚, 杨舒铎

作者信息 +

Author information +

文章历史 +

摘要

岩溶塌陷是岩溶发育区常见的一种动力地质灾害，具有突发性强、隐蔽性高等特点，对场地稳定性及工程安全构成严重威胁。为准确识别广佛肇地区岩溶塌陷的主要诱发因素，本文基于区域地质条件，分别构建深度神经网络（DNN）模型与传统层次分析法（AHP）模型，对易发性进行评价预测，并进行精度对比验证。结果表明，DNN模型在预测精度和可靠性方面均优于AHP模型，其整体评价精度达到87.9%，显著高于AHP模型的66.7%。DNN模型在岩溶塌陷易发性评价中具有显著优势，可为岩溶区灾害防治与规划提供科学依据。