基于CF-CNN-LSTM模型的滑坡易发性评价

• Published in: 自然灾害学报 Vol. 33; no. 5; pp. 84 - 95
• Main Authors: 王守华, 王睿菘, 孙希延, 刘小明, 卢伟萍, 林子安
• Format: Journal Article
• Language: Chinese
• Published: 桂林电子科技大学 信息与通信学院,广西 桂林 541004 30.10.2024; 南宁桂电电子科技研究院有限公司,广西 南宁 530031%桂林电子科技大学 广西精密导航技术与应用重点实验室,广西 桂林 541004; 桂林电子科技大学 广西精密导航技术与应用重点实验室,广西 桂林 541004; 卫星导航定位与位置服务国家地方联合工程研究中心,广西 桂林 541004; 桂林电子科技大学 信息与通信学院,广西 桂林 541004%广西壮族自治区地质环境监测站,广西 梧州 543000%广西壮族自治区气象科学研究所,广西 南宁 530022%桂林电子科技大学 广西精密导航技术与应用重点实验室,广西 桂林 541004
• Subjects: 易发性评价; 长短期记忆网络; 卷积神经网络; susceptibility evaluation; certainty factor; landslide; 滑坡; 确定性系数; convolution neural network; long short-term memory
• ISSN: 1004-4574
• DOI: 10.13577/j.jnd.2024.0508

P642.22%X43; 针对滑坡灾害样本选择以及深度学习模型中的长期依赖、梯度消失、退化等问题,提出了一种结合确定性系数法(certainty factor,CF)、卷积神经网络(convolution neural network,CNN)模型和长短期记忆神经网络(long short-term memory,LSTM)模型的CF-CNN-LSTM深度学习模型.以广西壮族自治区梧州市辖区为研究区,选取高程、坡度和坡向等 13 种滑坡评价因子,采用CF-CNN-LSTM模型对研究区进行滑坡易发性评价,并与CNN模型、LSTM模型、循环神经网络模型和逻辑回归模型进行对比,利用受试者工作特征曲线(receiver operating characteristic,ROC)、整体准确率等 6 种方法对模型预测精度进行评估.结果表明:CF-CNN-LSTM模型的ROC曲线的曲线下面积(area under curve,AUC)值为 0.953,高于其它单一模型,同时其它 5 项评估指标均优于单一模型,证明CF-CNN-LSTM模型具有更高的精度,可用于梧州市辖区的滑坡易发性评价工作,能够对该区域的滑坡风险管理提供科学的建议.