半监督滑坡易感性预测模型

抗位置误差鲁棒

本文提出一种半监督机器学习模型，能够在滑坡空间位置存在误差的情况下有效提升易感性预测的准确性，为区域灾害评估提供更可靠的预测工具。

黄发明 · Ronghui, Li · Catani, Filippo · Zhou, Xiaoting · Ziqiang, Zeng · Huang, Jinsong

Journal of Rock Mechanics and Geotechnical Engineering 2024

参数信息

可接受位置误差阈值

70 m

测试位置误差范围

30–110 m

滑坡样本数量

337

环境因子数量

16

技术优势

70 m误差仍可用

即使滑坡位置存在70 m误差，模型仍能反映易感性的总体分布特征，说明一定程度的误差可接受，降低了数据精度要求。

半监督有效校正

提出的半监督机器学习模型能够高效减少滑坡位置误差，从而提高易感性预测精度，克服了传统监督模型对精确位置的依赖。

应用场景

• 地质灾害风险评估：在滑坡位置数据存在误差时仍能提供可靠的易感性分区，支撑区域风险区划。
• 遥感影像分析：可作为遥感解译滑坡位置的后处理步骤，校正提取结果中的定位偏差。
• 岩土工程勘察：允许在滑坡调查定位不精确的情况下进行易感性评估，降低野外测量成本。
• 智能灾害预警：可集成到预警系统中，利用半监督学习提高易发性预测的实时性和准确性。