基于頻率比聯接法和支持向量機的滑坡易發性預測

盛明強，劉梓軒，張曉晴，胡松雁，郭子正，黃發明*

(1.南昌大學建筑工程學院，南昌 330031；2.中國地質大學工程學院，武漢 430074)

滑坡是造成重大人類生命財產損失和環境破壞的地質災害之一，滑坡易發性研究是區域滑坡地災評估和防治的熱點技術。滑坡易發性可定義為區域滑坡發生的空間概率，如何有效開展滑坡易發性建模值得深入探討[1-3]。

滑坡易發性預測包括建模前期處理、獲取數據源、劃分評價單元、選取基礎環境因子、創建計算模型、繪制成功率曲線等過程[4-5]。其中滑坡編錄與環境因子的聯接方法與不同的模型耦合在滑坡易發性預測過程中尤為重要。現有的預測滑坡易發性相關研究中大量借鑒了機器學習、數理統計和啟發式模型等數據驅動模型[6]，其中機器學習通常是指支持向量機 (support vector machine,SVM)[7]、決策樹[8]、隨機森林[9]、邏輯回歸[10]、人工神經網絡[11]、灰色關聯度[12]等。以往研究表明，上述模型大多具有較高的易發性預測精度，可得到較為可靠的易發性指數分布特征[6,13]。近年來，比較分析多種不同的評價模型從而找到適用于特定地區的評價模型，已成為當前研究熱點[14]。SVM模型的預測精度較高，在易發性預測中取得了成功的應用。

對于上述SVM等機器學習，需要選取更加恰當的模型輸入變量才能有效保證高質量的易發性預測制圖。這些輸入變量可以通過建立滑坡編錄與相關基礎環境因子之間的非線性響應關系來實現。目前常用于構建這種非線性關系的方法包括證據權[15]，信息量[4]和頻率比值(frequency ratio,FR)[16]。……