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

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。

关键词

岩溶塌陷 / 深度学习 / 神经网络 / 层次分析法 / 易发性评价