Geosci. Front. | 基于机器学习的滑坡易发性建模及其不确定性分析

Geoscience Frontiers 2026-01-06 07:00
文章摘要
本文背景是滑坡作为山区常见自然灾害,其易发性制图对减灾至关重要。研究目的是利用八种机器学习技术(如GLM、RF、MaxEnt等)的集成模型,评估印度喀拉拉邦地区的滑坡易发性,并量化模型的不确定性。研究结论表明,加权概率均值集成模型表现最佳,能有效识别高易发性区域,且约74%的历史滑坡位于高易发性-低不确定性类别,生成的置信图有助于微观尺度滑坡风险管理和规划决策。
Geosci. Front. | 基于机器学习的滑坡易发性建模及其不确定性分析
本站注明稿件来源为其他媒体的文/图等稿件均为转载稿,本站转载出于非商业性的教育和科研之目的,并不意味着赞同其观点或证实其内容的真实性。如转载稿涉及版权等问题,请作者速来电或来函联系。
推荐文献
Editorial Board
DOI: 10.1016/S0169-1317(26)00020-7 Pub Date : 2026-01-22
IF 5.8 2区 地球科学 Q2 Applied Clay Science
Geoscience Frontiers
最新文章
热门类别
相关文章
联系我们:info@booksci.cn Book学术提供免费学术资源搜索服务,方便国内外学者检索中英文文献。致力于提供最便捷和优质的服务体验。 Copyright © 2023 布克学术 All rights reserved.
京ICP备2023020795号-1
ghs 京公网安备 11010802042870号
Book学术文献互助
Book学术文献互助群
群 号:604180095
Book学术官方微信