咸利民;季民;刘法军;李强

聊城市地质矿产调查监测中心;山东科技大学测绘与空间信息学院;山东省地质矿产勘查开发局

地质灾害易发性评价;粒子群算法;确定性系数模型(CF);随机森林模型(RF);支持向量机模型(SVM);泰山地区

[目的]针对泰山地区地质灾害频发这一现状，研究并构建地质灾害易发性评价模型，为该地区的地质灾害预防与治理工作提供参考。[方法]以泰山地区为研究区，采用确定性系数模型与粒子群算法优化RF模型耦合的方法，完成对研究区的地质灾害易发性评价。该方法是利用确定性系数(CF)模型计算影响因子对地质灾害的敏感值，作为模型训练的属性值，引入粒子群算法对随机森林(RF)模型进行参数寻优，提高模型对地质灾害的预测精度和准确度。选取坡度、距道路距离、土地利用类型、植被指数等11个影响因子，采用皮尔逊相关系数法和多重共线性检查进行影响因子筛选择优，绘制ROC和PR曲线对训练模型进行精度评价。[结果] CF-PSO-RF耦合模型相比单一SVR、单一RF和CF-PSO-SVR模型的极高易发区面积比例分别提高10.55%,10.04%和5.08%,AUC值分别提高14%,5.1%和1.7%,AP精度分别提高了11.7%,4.4%,1.2%。预测结果显示，泰山地区的极高、高易发区主要位于泰山景区、岱岳区北部等地形起伏和坡度较大的区域，面积所占比例为28.05%,涵盖了60.1%的地质灾害点；相反，低、极低易发区主要分布在建设用地、农田等地势平坦区域，面积比例为59.26%。[结论]将确定性系数模型与优化后RF模型耦合，相比单一模型精度有进一步的提升，又优于CF-PSO-SVR模型精度，评价结果符合实际情况。