基于BP神经网络模型的滑坡易发性评价方法

• Published in: 科学技术与工程 Vol. 23; no. 13; pp. 5481 - 5492
• Main Authors: 李成林, 刘严松, 赖思翰, 王地, 何星慧, 刘琦, 何博宇
• Format: Journal Article
• Language: Chinese
• Published: 中国地质大学地球科学与资源学院,北京100083%成都理工大学地球科学学院,成都610059%四川三合空间科技有限公司,成都610094 2023; 成都理工大学地球科学学院,成都610059; 中国地质调查局成都地质调查中心,成都610081; 中节能建设工程设计院有限公司,成都610059%成都理工大学地球科学学院,成都610059
• Subjects: 滑坡易发性评价; 因子权重法; 栅格赋值法; 蒲江县; BP神经网络模型
• ISSN: 1671-1815
• DOI: 10.3969/j.issn.1671-1815.2023.13.010

P694; 滑坡是中国频发的地质灾害,滑坡的易发性评价涉及多种影响因素,如何利用多影响因素进行精确、有效的滑坡易发性评价是滑坡减灾防灾工作的重点和前提.为探讨基于反向传播(back propagation,BP)神经网络模型的不同滑坡易发性评价方法的适用性,以川西蒲江县为研究区,通过实地调查与编录,筛选地质、地貌、环境等12类影响因子,分析各影响因子与滑坡的相关性,确定影响因子的权重大小,构建BP神经网络模型,完成因子权重法和栅格赋值法的滑坡易发性评价图编制和精度评价.结果显示:研究区筛选的12类滑坡影响因子不存在线性相关,坡度、地形湿度指数(topographic wetness index,TWI)和距道路距离对区内滑坡发育影响明显,利用滑坡影响因子构建的BP神经网络模型可对滑坡易发性进行有效的定量评价.综合现场调查与接收者操作特征(receiver operating characteristic,ROC)曲线精度分析,结果表明:基于BP神经网络模型的栅格赋值法和因子权重法曲线下面积(area under curve,AUC)分别为0.86和0.798,栅格赋值法评价精度优于因子权重法,基于BP神经网络模型的栅格赋值法更适用于研究区的滑坡易发性评价.