基于多时空滑坡编录和TrAdaBoost迁移学习的滑坡易发性评价

摘要

为了解决震区不同时期易发性评价中滑坡编录样本不足问题,以汶川地震震区汶川‒映秀区域为研究区,基于TrAdaBoost迁移学习算法,利用2011‒2013年滑坡数据集辅助训练2013‒2015年滑坡数据集的滑坡易发性模型,分别建立了以决策树(DT)和随机森林(RF)为单体学习器的TrAdaBoost-DT和TrAdaBoost-RF滑坡易发性模型.通过所建立的模型对研究区的滑坡易发性进行预测,并将预测结果与仅用2013‒2015年滑坡数据集所建立的DT和RF模型的预测结果进行对比.以受试者工作曲线下方面积(AUC)为评价指标,TrAdaBoost模型使得DT和RF模型的AUC分别提高了0.03和0.01.为了进一步验证所提方法有效性,以2013‒2015年滑坡数据集辅助训练2015‒2018年滑坡数据集中的易发性模型.结果表明,基于TrAdaBoost模型优化DT和RF模型的AUC均提高了0.13;TrAdaBoost模型能够有效提高传统基于机器学习滑坡易发性模型的预测性能,且对小数据集下的滑坡易发性模型的预测性能提升更为显著.