信息量法耦合机器学习模型的西山煤田滑坡易发性评价OA

采煤活动形成的地下采空区极易引发地质灾害,滑坡易发性评价是地质灾害风险预警的先行工作。以山西省西山煤田为研究区,构建了20个滑坡致灾因子,利用信息量(Information Value,IV)法耦合逻辑回归(Logistic Regression,LR)、随机森林(Random Forest,RF)和支持向量机(Support Vector Machine,SVM)模型,构建IV-LR、IV-RF和IV-SVM这3种IV法耦合机器学习模型,并进行研究区滑坡易发性评价,通过受试者工作特征(Receiver Operating Characteristic,ROC)曲线、均值和标准差分析建模结果精度。结果表明,研究区内高、极高易发区主要分布在距水系300 m内,极低、低易发区分布在中西部地区,IV-LR、IV-RF和IV-SVM模型验证精度分别为76.67%、74.62%和78.57%,ROC曲线下面积(Area Under Curve,AUC)为0.86、0.83和0.84。IV-LR模型AUC值最大,预测精度最高。