基于不同机器学习算法的地震滑坡易发性评价——以鲁甸地震为例

地震发生后，及时准确地评估灾区滑坡的易发性，对应急救援和灾后重建具有重要意义。然而，目前缺乏对不同机器学习模型在地震滑坡敏感性评价中的性能比较研究。本文从地震动参数、植被、断层岩性、水文和地形等方面对地震滑坡易发性评价指标体系进行了施工。然后，选择逻辑回归、k近邻、朴素贝叶斯和随机森林算法，结果表明，随机森林模型在测试数据集上的灵敏度（0.94）、准确度（0.94）和准确度（0.94）高于其他三个机器学习模型，而该模型生成的滑坡敏感性空间分布与地震诱发滑坡的实际分布相一致，朴素贝叶斯模型的预测精度相对较差。此外，因子重要性分析结果表明，距河流的距离、校正后的麦加利地震烈度距离、距断层的距离和坡度是影响滑坡易发性的相对重要的评价指标