增量学习在滑坡易发性评价中的应用--以甘肃省天水市为例OA北大核心CSTPCD
为了提升机器学习模型在滑坡易发性评价任务中的泛化能力,以甘肃天水市为例,采用基于LightGBM的增量学习模型,并利用Autogluon自动机器学习框架实现模型的超参数优化和堆叠,以及使用SHAP可解释框架进行特征选择和数据异常分析,构建了适用于滑坡易发性评价的增量学习模型。通过在天水市不同区域采集的滑坡灾害数据进行模型验证,结果表明,基于增量学习的滑坡易发性评价模型能够有效地识别和预测滑坡易发区域,根据新数据集自适应调整模型,并且提高模型的性能。
严天笑;张建通;朱月琴;刘浩然;朱浩濛;
防灾科技学院,河北廊坊065201 应急管理部国家自然灾害防治研究院,北京100085交信北斗科技有限公司,北京100011应急管理部国家自然灾害防治研究院,北京100085浙江省地质院,浙江杭州310000
地质学
滑坡易发性机器学习增量学习特征选择可解释性
《地质通报》 2024 (004)
P.630-640 / 11
应急管理部国家自然灾害防治研究院基本科研业务专项(编号:ZDJ2022-45);国家自然科学基金项目《大数据环境下的滑坡危险性评估模型构建方法研究》(批准号:41872253);河北省大学生创新创业训练计划项目《InSAR与深度学习技术相结合的白格地区滑坡形变监测与识别》(编号:S202211775007)。
评论