人民黄河

作者：王引生, 陆皓磊, 李永强, 吴红刚, 邱道宏

单位：1.中铁科学研究院集团有限公司，四川 成都 610032；2.山东大学 岩土与地下工程研究院，山东 济南 250061；3.中铁西北科学研究院有限公司，甘肃 兰州 730070

关键词：机器学习算法；滑坡风险等级；预测；D-S证据理论；融合模型

基金：<span>中国中铁股份有限公司科技研究开发计划项目</span><span>(2022-</span><span>重大专项</span><span>-07)</span><span>；国家自然科学基金资助项目</span><span>(41772298)</span><span>；山东省自然科学基金资助项目</span><

针对单一机器学习算法预测滑坡风险等级时很难保证预测结果的可靠性问题，构建一种基于多种机器学习算法和D-S证据理论的滑坡风险等级预测模型。在某地区1 644个滑坡点位数据的基础上，选取与河流的距离、与道路的距离、土地利用类型、水流强度指数等16个影响因子进行统计分析，采用主成分分析法对数据进行降维处理。基于D-S证据理论对支持向量机（SVM）、反向传播（BP）神经网络、径向基函数（RBF）神经网络、随机森林（RF）和极限学习机（ELM）机器学习算法进行融合，将该融合模型应用于实际滑坡风险等级评价，结果表明：融合模型的预测准确率为81.66%，5种算法均至少对2个点位的风险等级预测错误，而融合模型能够实现更精准的预测，只出现1个点位预测错误，提高了滑坡风险等级预测的准确性和可靠性。

来源：2025年第11期

《人民黄河》期刊编辑部

查看人民黄河杂志2025年第11期