混合SVM-RF滑坡模型

喜马拉雅首用AUROC 0.90

首次在喜马拉雅地区集成深度学习和机器学习进行滑坡敏感性制图，为灾害防治提供高精度工具。

Muhammad Afaq, Hussain · 陈占龙 · Yulong, Zhou · Meena, Sansar Raj · Ali, Nafees · Shah, Safeer Ullah

Landslides 2025

参数信息

AUROC

0.90

准确率

0.79

精度

0.81

召回率

0.89

F-measure

0.84

Matthews 相关系数

0.43

均方误差

0.24

均方根误差

0.48

技术优势

首用于喜马拉雅

该地区首次应用深度学习与机器学习集成模型，填补了方法空白，为类似地形研究树立基准。

混合模型精度高

结合支持向量机与随机森林的混合模型 AUROC 达 0.90，优于单一模型，更适合滑坡敏感性预测。

应用场景

• 滑坡灾害评估：利用高精度敏感性图快速识别高风险区，指导灾害评估。
• 土地规划：为土地规划提供科学依据，避免在高敏感区开发。
• 地质灾害监测：支持监测优先区域划定，提升地质灾害预警效率。