不同环境因子联接和预测模型的滑坡易发性建模不确定性
Wenbin Li, Xuanmei Fan, Faming Huang, Xueling Wu, Kunlong Yin, Zhilu Chang
Abstract
摘要: 拟深入探讨滑坡与其环境因子间的非线性联接计算以及不同数据驱动模型等因素,对滑坡易发性预测建模不确定性的影响规律.以江西省瑞金市为例共获取370处滑坡和10种环境因子,通过概率统计(probability statistics,PS)、频率比(frequency ratio,FR)、信息量(information value,Ⅳ)、熵指数(index of entropy,IOE)和证据权(weight of evidence,WOE)等5种联接方法分别耦合逻辑回归(logistic regression,LR)、BP神经网络(BP neural networks,BPNN)、支持向量机(support vector machines,SVM)和随机森林(random forest,RF)模型共构建出20种耦合模型,同时构建无联接方法直接将原始数据作为输入变量的4种单独LR、BPNN、SVM和RF模型,预测出总计24种工况下的滑坡易发性;最后分别使用ROC曲线、均值、标准差和差异显著性等指标分析上述24种工况下易发性结果的不确定性.结果表明:(1)基于WOE的耦合模型预测滑坡易发性的平均精度最高且不确定性较低,基于PS的耦合模型预测精度最低且不确定性最高,基于FR、Ⅳ和IOE的耦合模型介于两者之间;(2)单独数据驱动模型易发性预测精度略低于耦合模型,且未能计算出环境因子各子区间对滑坡发育的影响规律,但其建模效率高于耦合模型;(3)RF模型预测精度最高且不确定性较低,其次分别为SVM、BPNN和LR模型.总之WOE是更优秀的联接法且RF模型预测性能最优,WOE-RF模型预测的滑坡易发性不确定性较低且更符合实际滑坡概率分布特征. 关键词: 滑坡易发性预测 / 不确定性分析 / 联接方法 / 数据驱动 / 证据权 / 随机森林 / 工程地质学