基于GBDT模型的滑坡易发性评价.pdf
以三峡库区秭归至巴东段为研究区,从多源空间数据中提取9个致灾因子作为区域滑坡易发性分析的评价指标,基于Boosting集成学习原理,训练和构建梯度提升树(GradientBoostingDecisionTree,GBDT)模型,利用训练好的GBDT模型对研究区进行滑坡易发性分析与评价,并与随机森林模型和信息量模型进行对比分析.通过受试者工作特征曲线和曲线下的面积对三种模型进行精度评价,结果表明GBDT模型预测精度为98.9％,高于其它两种模型,表明该模型在滑坡易发性评价中具有较高的预测能力.
作者：陈涛朱丽牛瑞卿
作者单位：中国地质大学(武汉),地球物理与空间信息学院,湖北武汉,430074
母体文献：第五届高分辨率对地观测学术年会论文集
会议名称：第五届高分辨率对地观测学术年会
会议时间：2018年10月17日
会议地点：西安
主办单位：高分辨率对地观测学术联盟
语种：chi
分类号：
关键词：滑坡 易发性评价 梯度提升树 集成学习
在线出版日期：2019年8月12日
基金项目：
相似文献
相关博文
- 文件大小:
- 547.74 KB
- 下载次数:
- 60
-
高速下载
|
|
