文献类型：期刊文章

作　　者：徐胜华[1] 刘纪平[1] 王想红[2] 张玉[1] 林荣福[1,3] 张蒙[1,3] 刘猛猛[1,3] 姜涛[1]

XU Shenghua;LIU Jiping;WANG Xianghong;ZHANG Yu;LIN Rongfu;ZHANG Meng;LIU Mengmeng;JIANG Tao(Chinese Academy of Surveying and Mapping,Beijing 100830,China;Development Research Center of China Geological Survey,Beijing 100037,China;School of Mapping and Geographical Science,Liaoning Technical University,Fuxin 123000,China)

机构地区：[1]中国测绘科学研究院,北京100830 [2]中国地质调查局发展研究中心,北京100037 [3]辽宁工程技术大学测绘与地理科学学院,辽宁阜新123000

出　　处：《武汉大学学报（信息科学版）》

基　　金：国家重点研发计划(2016YFC0803101,2016YFC0803108);国家自然科学基金(71903183);中国测绘科学研究院科研业务费(7771701)。

年　　份：2020

卷　　号：45

期　　号：8

起止页码：1214-1222

语　　种：中文

收录情况：AJ、BDHX、BDHX2017、CSCD、CSCD2019_2020、EI、GEOBASE、IC、JST、PROQUEST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：滑坡灾害易发性评价可为滑坡灾害风险管理、国土空间规划及滑坡监测提供科学依据。针对现有滑坡灾害易发性评价模型无法消除易发性评价指标因子在量纲、性质等方面的差异,尚未考虑易发性评价指标因子与滑坡灾害相关性,以及精度较高的经典机器学习模型训练效率较低、参数选取困难等问题,引入熵指数(index of entropy,IOE)和粒子群优化(particle swarm optimization,PSO)算法,提出IOE融入支持向量机(support vector machine,SVM)的滑坡灾害易发性评价方法。首先,基于滑坡灾害易发性评价指标因子,利用IOE模型计算SVM的调节因子;然后,采用PSO算法迭代求解SVM最优解,根据SVM二分类得到的隶属度来区分滑坡灾害易发性;最后,以陕西省作为实验区,从滑坡灾害易发性分区图、分区统计及评价模型精度3个方面将所提方法与SVM方法进行了对比,实验结果表明所提方法的准确性、可靠性优于SVM方法。

关 键 词：易发性  滑坡 支持向量机 熵指数 粒子群优化

分 类 号：P208]