35 / 2025-03-31 21:21:20

联合环境相似性和BP神经网络的滑坡易发性评价研究

环境相似性；BP神经网络；机器学习；环境因子；滑坡易发性评价

滑坡灾害在全球范围内频发，严重威胁人类生命财产安全。滑坡易发性评价模型的准确性是进行滑坡灾害预测和风险管理的关键前提，而滑坡样本数据缺失会制约滑坡易发性建模和评价结果的可靠性。针对目前复杂山区滑坡样本不足的问题，论文提出了一种联合环境相似性与BP神经网络的滑坡易发性评价方法(Environmental Similarity Model-BP Neural Network, ESM-BP)。基于环境相似性理论，以白鹤滩库区为研究区，利用8个环境因子计算待推测点与历史滑坡样本之间的环境相似度。通过正态分布方法对相似度进行阈值划分，构建滑坡样本数据集。结合BP神经网络模型对滑坡易发性进行评估，与支持向量机（SVM）和随机森林（RF）两种模型进行对比验证。实验结果表明，1）通过引入环境相似性理论，扩展了4398个具有不同易发性等级的样本数据，有效解决了样本量不足的问题，显著提高了模型的泛化能力。2）结合补充样本使用BP神经网络、支持向量机和随机森林三种模型进行对比，BP神经网络模型的表现最佳，相比于其他模型，Accuracy值分别提高了0.02、0.14；Kappa系数值分别提高了0.02、0.18；RMSE值分别降低了0.04、0.21。该方法提高了复杂山区环境下滑坡易发性评价模型的适用性和可靠性，为滑坡易发性评价研究提供了新的思路。