来源：期刊VIP网 时间：
作者：陈芯宇;师芸;赵侃;温永啸;
单位：西安科技大学测绘科学与技术学院;自然资源部煤炭资源勘查与综合利用重点实验室;
摘要：针对传统的区域滑坡易发性评价建模过程可能存在的样本数据量纲不统一以及模型参数选取误差等问题，本文以陕西省留坝县为研究区，选取高程、坡度、水系、降雨量、地层岩性等10个评价因子，采用确定性系数模型(CF)计算各评价因子的敏感值作为支持向量机模型(SVM)和随机森林模型(RF)的输入样本属性值，引入麻雀搜索算法(SSA)分别对SVM模型和RF模型的参数进行优化，获取最优参数对两种模型进行训练，最终构建了CF-SSA-SVM和CF-SSA-RF模型，从而对整个研究区进行预测，完成滑坡易发性评价，并通过受试者工作特征曲线(ROC)对两种模型进行精度验证。结果表明，两种模型的评价结果均有较多滑坡点落在极高易发区，无滑坡点落在极低易发区，评价结果均有较高的准确率。其中，CF-SSA-RF模型的成功率和预测率曲线AUC值分别为0.994和0.940,高于CF-SSA-SVM模型；并以三处典型滑坡为例进行验证，结果显示易发性分区与历史滑坡点分布较为吻合。进一步表明CF-SSA-RF模型更适用于留坝县的滑坡易发性评价，为当地滑坡灾害风险评估提供了指导依据。
关键词：易发性评价;;麻雀搜索算法;;随机森林模型;;支持向量机模型;;ROC曲线
基金资助：国家自然科学基金资助项目(41674013,41874012)
