地球科学｜邬礼扬，殷坤龙等：基于集成学习建模的滑坡易发性评价

本文提出了一种基于集成学习的机器学习模型组合优化方法，用于提升滑坡易发性评价的精度。研究以重庆市云阳县西部12个乡镇为例，基于366处滑坡数据及9个指标因子构建易发性评价指标体系。通过决策树模型、逻辑回归模型和贝叶斯网络模型为基础模型，结合袋装法、提升法和堆叠法进行模型组合，并采用粒子群算法、贝叶斯算法和K最邻近算法进行超参数优化和模型链接。研究结果表明，集成学习模型在滑坡易发性评价中具有较好的应用效果，模型精度比基础模型显著提升，其中BO-XGBoost模型的AUC值最高为0.811。研究为机器学习模型之间的组合优化提供了新的思路与方法，并指出库水位升降和人类工程活动是诱发滑坡的主要因素。