刘鹏
- 作品数：2 被引量：6H指数：1
- 供职机构：北京大学地球与空间科学学院遥感与地理信息系统研究所更多>>
- 发文基金：国家自然科学基金更多>>
- 相关领域：天文地球更多>>
- 滑坡危险性区划中基于一类分类模型的样本筛选被引量：1
- 2016年
- 历史滑坡样本的准确性对基于统计机器学习的滑坡危险性区划建模工作有着决定性的影响。针对滑坡样本中普遍存在的可靠性问题,该文探索利用一类分类模型的异常探测能力,将其应用于历史滑坡样本筛选和甄别,以期筛除滑坡样本中可靠性较低的点,提升滑坡危险性区划的建模效果。以深圳市为实例研究区,对该方法的可行性和应用效果进行了验证。实例研究中采用支持向量数据描述方法（SVDD）进行样本筛选,利用GAM进行滑坡危险性区划建模,并对样本筛选前后的建模效果和模型应用效果进行了对比分析。使用SVDD模型进行样本筛选时,筛除比例设置为0-30%,以5%为步长递增,共得到7个筛选样本集,之后基于7个样本集分别进行了GAM建模。建模效果对比分析表明,当筛除比例为20%时,模型建模效果最佳,显著优于原始样本集所对应模型。实例研究说明,一类分类模型的异常探测能力适用于历史滑坡数据的筛选甄别工作,并能够显著提升建模效果,模型输出的滑坡危险性区划与历史滑坡分布也更为一致,可为滑坡灾害管理工作提供更为可靠的参考。
- 熊浪涛田原刘鹏
- 关键词：SVDDGAM
- 基于空间聚集度的滑坡危险性区划补充评价——以深圳市为例被引量：5
- 2015年
- 滑坡危险性区划是滑坡预警预报和防治的基础,应用合理指标对模型进行检验和筛选决定了最终成果的质量。现有研究多使用基于混淆矩阵的ROC曲线和AUC值等指标对模型效果进行评价,随着模型种类的增多以及分类性能的提升,现有指标对初步筛选后的各模型常常无法进行统计意义上的显著性区分。实际的滑坡风险管理工作仅能采用一个最终的危险性区划模型,使用现有指标无法完全满足要求;同时,滑坡危险性区划中的训练数据通常较少,在全区中的占比很低,训练得到的模型应用到全区时,必须对滑坡危险性区划的总体质量做出评价和控制,而现有评价指标体系中尚无相关评价指标。针对上述问题,该文提出了应用空间聚集度指标,从模型预测滑坡危险性空间分布合理性的角度,对区划模型应用到全区时进行补充性评价,并以深圳市为例进行了实例验证,结果表明该指标合理可行,能够依据空间分布合理性有效区分不同模型的效果。该研究成果可以为滑坡危险性区划及相关地学建模工作提供直接的借鉴和支持。
- 刘鹏田原李亭李丰翔张雯
- 关键词：评价指标GIS
