论文部分内容阅读
历史滑坡样本的准确性对基于统计机器学习的滑坡危险性区划建模工作有着决定性的影响。针对滑坡样本中普遍存在的可靠性问题,该文探索利用一类分类模型的异常探测能力,将其应用于历史滑坡样本筛选和甄别,以期筛除滑坡样本中可靠性较低的点,提升滑坡危险性区划的建模效果。以深圳市为实例研究区,对该方法的可行性和应用效果进行了验证。实例研究中采用支持向量数据描述方法(SVDD)进行样本筛选,利用GAM进行滑坡危险性区划建模,并对样本筛选前后的建模效果和模型应用效果进行了对比分析。使用SVDD模型进行样本筛选时,筛除比例