对《基于机器学习的区域滑坡危险性评价方法综述》阅读的总结

对《基于机器学习的区域滑坡危险性评价方法综述》阅读的总结

1.摘要

​ 这篇综述主要系统阐述了：作者通过阅读文献，总结了基于机器学习技术解决滑坡危险性评价方法；可以分为 1、评价因子选择 2、数据清洗与样本集构建 3、模型选取与训练评价 这三个关键环节对现有研究成果进行分析评述；最后对机器学习滑坡危险性评价方法的发展趋势提出讨论意见。

2.研究背景

​ 由于我国国土面积体量大，地形地貌种类繁多，所以相应的滑坡灾害影响范围广。因此可以通过一些方法对区域滑坡危险性进行评估，进而划分轻重缓急区别对待。

​ 以往经验方法：

• 基于GIS对山区地质灾害进行分析，建立数据库并开发评价模型。

• 多种数学模型开展的稳定性分区制图。

  大多以数学统计分析方法为主，通过构建滑坡灾害影响因子评价体系，开展各影响因子与滑坡之间的统计规律，最后基于 GIS 开展滑坡危险性评价区

3.评价因子选取

评价单元是具有相同特性的最小地域单元,常用评价单元一般归纳为 5 类，所在确定评价单元时经常使用网格单元和斜坡单元 。

3.1评价单元的划分

• 网格单元
• 斜坡单元

3.2评价因子常用选取办法：

现状环境因子一般都是项目所处环境已存在或现有的对大气、地表水、声、生态等产生影响的因子,

3.2.1相关性分析确定评价因子：

​ 对多个具备相关性的变量元素进行分析，从而衡量两个变量因素的相关密切程度。

用各种方法剔除高共线性因子和低影响性因子