人民黄河

作者：郑元勋, 周康康, 胡少伟, 张海超, 于国卿, 徐路凯, 彭浩

单位：1.郑州大学 水利与交通学院，河南 郑州 450001；2.中国电建集团 贵阳勘测设计研究院有限公司，贵州 贵阳 550081；3.黄河水利委员会 黄河水利科学研究院，河南 郑州 450003

关键词：滑坡易发性；集成学习；信息量法；滑坡负样本；黄河上游

基金：<p class=\MsoNormal\>\r\n\t<span>国家重点研发计划项目（</span>2022YFC3004400<span>）</span>\r\n</p>

滑坡易发性评价对区域防灾减灾具有重要意义。针对机器学习算法的滑坡易发性评价中单一分类器精确度欠佳，以及滑坡负样本选择较为随意的问题，提出一种基于信息量法的滑坡负样本选择方式耦合集成学习算法的滑坡易发性评价模型。以黄河上游李家峡至公伯峡段为研究区，选取高程、坡度、降水量等13个因子作为滑坡发生的评价因子，采用缓冲区、低坡度和信息量法3种滑坡负样本选择方式，通过构建分类回归树（CART）以及3种集成学习算法（Bagging、Boosting和随机森林）的滑坡易发性评价模型，分析不同集成学习算法和不同滑坡负样本选择方式下评价模型的性能。结果表明：集成学习算法均可以提升单一基分类器的模型性能，且Boosting算法的提升效果最为突出；信息量法负样本选择方式充分考虑了大多数评价因子，模型可靠性更高。

来源：2025年第7期

《人民黄河》期刊编辑部

查看人民黄河杂志2025年第7期