来源：期刊VIP网 时间：
作者：荆芳;王志勇;李振今;高振海;司玉雷;
单位：山东科技大学测绘与空间信息学院;
摘要：针对构建滑坡易发性评价因子不足以及现有机器学习模型在处理高维数据时无法有效平衡多因子权重的问题，以山西省吕梁市离石区为研究区域，通过引入InSAR形变速率作为动态因子，结合15个静态因子构建易发性评价体系，并提出一种基于HO-XGBoost的机器学习滑坡易发性评价模型。HO算法首先处理输入的多因子，动态优化XGBoost超参数，再将参数传入到XGBoost模型中，评估输入特征重要性并平衡多因子权重。结果表明，HO-XGBoost模型在精确率、召回率和F1分数等7个验证指标上的精度和目视可靠性上显著优于XGBoost、SVM、RF和LightGBM模型，能够更精准地优化多因子权重并捕捉因子间的复杂关系，从而提升滑坡易发性评价的准确性。
关键词：HO-XGBoost模型;;InSAR;;滑坡;;易发性评价
