基于熵指数与随机森林模型的滑坡易发性评价

打开文本图片集

摘要：机器学习广泛应用于区域滑坡易发性评价中。传统研究通常采用GIS随机生成的方法来获取安全点，但此类方法具有较大的随意性，使机器学习预测的结果精度不高，拟合性较差。此外之前的研究中区域面积选取得过小，致使降雨量在区域内差异不明显，导致训练对其不敏感，隐形地忽视了降雨量致灾因子。鉴于此，通过选取3.4万km2的渝东北区域为研究区，引入熵指数（IOE）-随机森林（RF）耦合的评价模型。（剩余14762字）

网站仅支持在线阅读（不支持PDF下载），如需保存文章，可以选择【打印】保存。