娜塔·米歇莱蒂;洛丽斯·福雷斯蒂;西尔文·罗伯特;Michael Leuenberger;安德烈亚·佩德拉齐尼;米歇尔·贾博耶多夫;米哈伊尔·卡内夫斯基 滑坡敏感性制图的机器学习特征选择方法。 （英语） Zbl 1322.86014号 数学。地质科学。 46，第1期，33-57（2014）。 小结：本文基于一组地质、水文和形态学特征，探索了在瑞士坎通沃三个独立地区使用自适应支持向量机、随机森林和AdaBoost进行滑坡易感性绘图。研究了三种算法的特征选择特性，分析了特征在控制滑坡空间分布中的相关性。消除无关特征可以提供更简单、低维的模型，同时保持较高的分类性能。在应用模型预测新的未知滑坡发生时，考虑了基于对象的抽样程序，以减少数据的空间自相关，并估计更可靠的泛化技巧。模型的准确性、特征相关性和滑坡易感性图的质量在浅层滑坡地区较高，在深层滑坡地区较低。尽管提供了类似的技能，但随机森林和AdaBoost在执行特征选择方面比自适应支持向量机更有效。本研究的结果揭示了分类算法的优势，但有证据表明：（1）需要依赖多种方法识别相关变量；（2） 自适应尺度算法用于滑坡数据时的弱点；（3）缺乏表征深层滑坡空间分布特征的附加特征。 引用于2文件 MSC公司： 86A99型 地球物理学 68T05型 人工智能中的学习和自适应系统 86A60型 地质问题 62页第12页 统计在环境和相关主题中的应用 关键词：滑坡易发性测绘;支持向量机（SVM）;自适应缩放SVM;随机森林;AdaBoost公司;多尺度地形特征;基于对象的验证 软件：sperrorest公司;阿达·布斯特。金属氢;陶德姆;千兆字节;支持向量机;转基因生物;R（右）;伦敦银行支持向量机 PDF格式BibTeX公司 XML格式引用 \textit{N.Micheletti}等人，《数学》。地质科学。46，第1号，33-57（2014；Zbl 1322.86014） 全文： 内政部 链接 参考文献： [1] Adrizzone F，Cardinali M，Carrara A，Guzzetti F，Reichenbach P（2002）测绘误差对滑坡灾害可靠性的影响。自然灾害地球系统2:3-14。doi:10.5194/nhess-2-3-2002·doi:10.5194/nhess-2-3-2002 [2] Aleotti P，Chowdhury R（1999）《滑坡灾害评估：总结回顾和新观点》。B Eng Geol Environ工程地质环境58:21-44。doi:10.1007/s100640050066 [3] Atkinson PM，Massari R（1998），意大利亚平宁中部滑坡敏感性的一般线性模型。《Comp Geosci》24:373-385。doi:10.1016/s0098-3004（97）00117-9·doi:10.1016/s0098-3004（97）00117-9 [4] Ayalew L，Yamagishi H（2005）基于GIS的logistic回归在日本中部Kakuda-Yahiko山脉滑坡易感性绘图中的应用。地貌学65:15-31。doi:10.1016/j.geomorph.2004.06.010·doi:10.1016/j.geomorph.2004.06.010 [5] Ballabio C，Sterlachini S（2012），滑坡易感性绘图的支持向量机：意大利斯塔夫拉河流域案例研究。数学地质学40:47-70。doi:10.1007/s11004-011-9379-9·doi:10.1007/s11004-011-9379-9 [6] Bollinger D、Hegg C、Keusen HR、Latetin O（2012）Ursachen analysis der Hanginstabilitäten 1999。牛角地质学5:5-38 [7] Bonnard C（2006）《大环境不稳定的评估与治理》（Evaluation et prédiction des movements des grandes phénomènes d'instabilitéde pente）。牛角地质学家11:89-100 [8] Breiman L（2001）《随机森林》。马赫数学习45:5-32。doi:10.1023/A:1010933404324·Zbl 1007.68152号 ·doi:10.1023/A:1010933404324 [9] Brenning A（2005）滑坡灾害的空间预测模型：回顾、比较和评估。自然灾害地球系统5:853-862。doi:10.5194/ness-5-853-2005年·doi:10.5194/ness-5-853-2005年 [10] Brenning A（2009）基准分类器，用于将地形分析和多光谱遥感最佳集成在自动岩石冰川检测中。遥感环境113:239-247。doi:10.1016/j.rse.2008.09.005·doi:10.1016/j.rse.2008.09.005 [11] Brenning A（2012），遥感预测规则评估的空间交叉验证和引导：R包sperrorest。摘自：国际地球科学和遥感研讨会（IGARSS），IEEE，国际，第5372-5375页。doi:10.10109/IGARSS.2012.6352393 [12] Brenning A，Trombotto D（2006）岩石冰川和冰川分布的Logistic回归建模：半干旱安第斯山脉的地形和气候控制。地貌81:141-154。doi:10.1016/j.geomorph.2006.04.003·doi:10.1016/j.geomorph.2006.04.003 [13] Canu S、Grandvalet Y、Guigue V、Rakotomamonjy A（2005）SVM和内核方法Matlab工具箱。感知系统与信息，法国鲁昂INSA de Rouen [14] Carrara A（1983）滑坡灾害评估的多元模型。数学地理15:403-426。doi:10.1007/BF01031290·doi:10.1007/BF01031290 [15] Carrara A、Cardinali M、Detti R、Guzzetti F、Pasqui V、Reichenbach P（1991）《滑坡灾害评估中的GIS技术和统计模型》。地球冲浪程序陆地16:427-445。doi:10.1002/esp.3290160505·doi:10.1002/esp.3290160505 [16] Caruana R，Niculescu-Mizil A（2006）监督学习算法的实证比较。摘自：第23届机器学习国际会议记录，第161-168页。数字对象标识代码：10.1145/1143844.1143865 [17] Chang CC，Lin CJ（2001）LIBSVM：支持向量机库。ACM跨智能系统技术2:1-27·数字对象标识代码：10.1145/1961189.1961199 [18] Cherkasky V，Mulier F（2007）《从数据中学习：概念、理论和方法》。纽约威利·Zbl 1130.62002号 [19] Daia F，Lee C（2002）使用GIS的滑坡特征和边坡失稳建模，香港大屿山。地貌学42:213-228。doi:10.1016/S0169-555X（01）00087-3·doi:10.1016/S0169-555X（01）00087-3 [20] Dietrich WE、Reiss R、Hsu ML、Montgomery DR（1995）使用数字高程数据的基于过程的崩坡积土壤深度和浅层滑坡模型。Hyrol工艺9:383-400。doi:10.1002/hyp.3360090311·doi:10.1002/hyp.3360090311 [21] Egan J（1975）《信号检测理论与ROC分析》。纽约学术出版社 [22] Ermini L，Catani F，Casagli N（2005）人工神经网络在滑坡敏感性评估中的应用。地貌学66:327-343。doi:10.1016/j.geomorph.2004.09.025·doi:10.1016/j.geomorph.2004.09.025 [23] Fisher RA（1936）分类问题中多重测量的使用。安·尤根7:179-188·doi:10.1111/j.1469-1809.1936。tb02137.x [24] Foresti L、Tuia D、Kanevski M、Pozdnoukhov A（2011）《学习多核风场》。Stoch Env Res风险A 25:51-66。doi:10.1007/s00477-010-0405-0·Zbl 1421.86019号 ·doi:10.1007/s00477-010-0405-0 [25] Foresti L、Kanevski M、Pozdnoukhov A（2012），天气雷达探测到的瑞士阿尔卑斯山地形降雨增强的基于核的制图。IEEE T Geosci远程99:1-14。doi:10.1109/TGRS.2011.2179550·doi:10.1109/TGRS.2011.2179550 [26] Freund Y，Schapire RE（1997）在线学习的决策理论推广及其在助推中的应用。计算机系统科学杂志55:119-139。doi:10.1006/jcss1997.1504·Zbl 0880.68103号 [27] Friedman J（2001）贪婪函数近似：梯度提升机。《Ann Stat》29:1189-1232。doi:10.1214/aos/1013203451·Zbl 1043.62034号 ·doi:10.1214/aos/1013203451 [28] Friedman J（2002），随机梯度增强。计算统计数据An 38:367-378。doi:10.1016/S0167-9473（01）00065-2·Zbl 1072.65502号 ·doi:10.1016/S0167-9473（01）00065-2 [29] Gallus D（2010）预警链背景下空间数据分类的高斯过程。卡尔斯鲁厄理工学院论文 [30] Goetz JN，Guthrie RH，Brenning A（2011）使用广义加性模型整合物理和经验滑坡易感性模型。地貌学129:376-386。doi:10.1016/j.geomorph.2011.03.001·doi:10.1016/j.geomorph.2011.03.001 [31] Grandvalet Y，Canu S（2003）SVM中特征选择的自适应缩放。Adv Neur In下午15:553-560 [32] Guyon I，Elisseeff A（2003）变量和特征选择简介。J Mach学习研究3:1157-1182·兹比尔1102.68556 [33] Guyon I、Gunn S、Nikravesh M、Zadeh L（eds）（2006）《特征提取：基础和应用》。纽约州施普林格·Zbl 1114.68059号 [34] Guzzetti F、Carrara A、Cardinali M、Reichenbach P（1999）《滑坡灾害评估：当前技术及其在多尺度研究中的应用综述》，意大利中部。地貌31:181-216。doi:10.1016/S0169-555X（99）00078-1·doi:10.1016/S0169-555X（99）00078-1 [35] Guzzetti F、Reichenbach P、Ardizzone F、Cardinali M、Galli M（2006）《滑坡敏感性模型质量估算》。地貌81:166-184。doi:10.1016/j.geomorph.2006.04.007·doi:10.1016/j.geomorph.2006.04.007 [36] Guzzetti F、Adrizzone F、Cardinali M、Rossi M、Valigi D（2009）意大利中部翁布里亚的滑坡量和滑坡动员率。地球行星科学快报279:222-229。doi:10.1016/j.epsl.2009.01.005·doi:10.1016/j.epsl.2009.01.005 [37] Haykin S（1999）《神经网络：综合基础》，第2版。上鞍河普伦蒂斯·霍尔·Zbl 0934.68076号 [38] Kalbermatten M，Van De Ville D，Turberg P，Tuia D，Joost S（2011）使用小波变换对高分辨率数字高程模型中的地貌和地质特征进行多尺度分析。地貌138:352-363。doi:10.1016/j.geomorph.2011.09.023·doi:10.1016/j.geomorph.2011.09.023 [39] Kanevski M、Pozdnoukhov A、Timonin V（2009）《空间环境数据的机器学习：理论》。应用程序和软件。洛桑EPFL出版社 [40] Lee E（1974）线性逻辑回归分析的计算机程序。生物识别计算程序4:80-92。doi:10.1016/0010-468X（74）90011-7·doi:10.1016/0010-468X（74）90011-7 [41] Lee L，Ryu J，Won J，Park H（2004），使用人工神经网络确定和应用滑坡敏感性制图权重。工程地质71:289-302。doi:10.1016/S0013-7952（03）00142-X·doi:10.1016/S0013-7952（03）00142-X [42] Liaw A，Wiener M（2002）通过随机森林进行分类和回归。R新闻2（3）：18-22 [43] Liess M、Glaser B、Huwe B（2011），功能性土壤景观建模，用于评估陡峭安第斯山脉森林地区的边坡稳定性。地貌学132:287-299。doi:10.1016/j.geomorph.2011.05.015·doi:10.1016/j.geomorph.2011.05.015 [44] Lin HT、Lin CJ、翁RC（2007）关于支持向量机的Platt概率输出的注释。马赫学习68:267-276。doi:10.1007/s10994-0075018-6·Zbl 1471.68220号 ·doi:10.1007/s10994-0075018-6 [45] Marmion M，Hjort J，Thuiller W，Luoto M（2008）芬兰拉普兰冰缘地貌分布建模中预测方法的比较。地球冲浪程序陆地33:2241-2254。doi:10.1002/esp.1695·doi:10.1002/esp.1695 [46] Marmion M，Hjort J，Thuiller W，Luoto M（2009）改进预测地貌图的统计共识方法。《Comp Geosci》35:615-625。doi:10.1016/j.cageo.2008.02.024·doi:10.1016/j.cageo.2008.02.024 [47] Melchiorre C、Matteucci M、Azzoni A、Zachi A（2008），滑坡易感性分区中的人工神经网络和聚类分析。地貌94:379-400。doi:10.1016/j.geomorph.2006.10.035·doi:10.1016/j.geomorph.2006.10.035 [48] Moguerza JM，Munoz A（2006）支持向量机及其应用。《统计科学》21:322-336。doi:10.1214/08834230600000493·Zbl 1246.68185号 ·doi:10.1214/08834230600000493 [49] Montgomery DR，Dietrich WE（1994）浅层滑坡地形控制的物理模型。水资源研究30:1153-1171。doi:10.1029/93WR02979·doi:10.1029/93WR02979 [50] Mosar J，Stampfli总经理，Girod F（1996）《西方巴黎浪漫主义者：时间和结构》。回顾。Eclogae Geol Helv埃洛盖·盖尔夫89:389-425 [51] Muchoney D，Strahler A（2002）用于评估遥感数据监督分类的基于像素和站点的校准和验证方法。遥感环境81:290-299。doi:10.1016/S0034-4257（02）00006-8·doi:10.1016/S0034-4257（02）00006-8 [52] Neaupane K，Achet S（2004）反向传播神经网络在滑坡监测中的应用：喜马拉雅山脉上游的一个案例研究。工程地质74:213-226。doi:10.1016/j.enggeo.2004.03.010·doi:10.1016/j.enggeo.2004.03.010 [53] Nefeslioglu H、Gokceoglu C、Sonmez H（2008）《使用逻辑回归和人工神经网络以及不同采样策略编制滑坡敏感性图的评估》。工程地质97:171-191。doi:10.1016/j.enggeo.2008.01.004·doi:10.1016/j.enggeo.2008.01.004 [54] Nicodemus KK（2011）致编辑的信：关于随机森林变量重要性测度预测因子的稳定性和排名，随机森林变量重要测度预测因子。简要生物信息12:369-373。doi:10.1093/bib/bbr016·doi:10.1093/bib/bbr016 [55] Noverraz F（1994）《沃州地形不稳定卡特尔》。拉普特结论和货物运输解释。瑞士联邦理工学院，洛桑 [56] Noverraz F，Bonnard C（1990）瑞士滑坡和落石的测绘方法。收件人：ALPS 90，阿尔卑斯山滑坡实践研讨会，米兰，第43-53页 [57] Ohlmacher GC，Davis JC（2003）使用多元逻辑回归和GIS技术预测美国堪萨斯州东北部的滑坡灾害。工程地质69:331-343。doi:10.1016/S0013-7952（03）00069-3·doi:10.1016/S0013-7952（03）00069-3 [58] Otey ME，Ghosting A，Parthasarathy S（2006）混合属性数据集中的快速分布式离群值检测。Data Min Knowl光盘12:203-228。doi:10.1007/s10618-005-0014-6·doi:10.1007/s10618-005-0014-6 [59] Park NW，Chi KH（2008）使用高分辨率遥感数据和广义加性模型对滑坡敏感性进行定量评估。国际遥感杂志29:247-264。doi:10.1080/01431160701227661·doi:10.1080/01431160701227661 [60] Pedrazzini A、Surace I、Horton P、Loye A（2008）《Vaud Canton de Versants de Movements de Dangers》。洛桑大学地球科学与环境学院 [61] 普拉特，J。；斯莫拉，AJ（编辑）；Bartlett，P.（编辑）；Schölkopf，B.（编辑）；Schuurmans，D.（ed.），支持向量机的概率输出以及与正则化似然方法的比较，61-74（1999），剑桥 [62] Pradhan B，Lee S（2010），滑坡敏感性评估和因子效应分析：反向传播人工神经网络及其与频率比和双变量逻辑回归建模的比较。环境模型软件25:747-759。doi:10.1016/j.envsoft.2009.10.016·doi:10.1016/j.envsoft.2009.10.016 [63] R核心团队（2013）R：统计计算的语言和环境。奥地利维也纳。http://www.R-project.org/。2013年1月17日访问 [64] Ridgeway G（2013）gmb:广义增强回归模型。R软件包版本2.1。http://CRAN.R-project.org/package=gbm。2013年1月17日访问 [65] Schölkopf B，Smola A（2002）《内核学习：支持向量机、正则化、优化及其他》。麻省理工学院出版社，剑桥 [66] Soeters，R。；韦斯顿，CJ；Turner，AK（编辑）；Schuster，RL（编辑），《边坡失稳识别、分析和分区》，129-177（1996），华盛顿特区。 [67] Strobl C、Boulestiex AL、Zeileis A、Hothorn T（2007）《随机森林变量重要性度量的偏差：插图、来源和解决方案》。BMC生物信息8:25。doi:10.186/1471-2105-8-25·doi:10.1186/1471-2105-8-25 [68] Stumpf A，Kerle N（2011），使用随机森林对滑坡进行面向对象的制图。遥感环境115:2564-2577。doi:10.1016/j.rse.2011.05.013·doi:10.1016/j.rse.2011.05.013 [69] Suzen M，Doyuran V（2004）使用地理信息系统进行数据驱动的二元滑坡敏感性评估：土耳其Asarsuyu流域的方法和应用。工程地质71:303-321。doi:10.1016/S0013-7952（03）00143-1·doi:10.1016/S0013-7952（03）00143-1 [70] Tacher L、Bonnard C、Laloui L、Parriaux A（2005）就水文地质和地质力学参数不均匀性对大型滑坡行为进行建模。滑坡2:3-14。doi:10.1007/s10346-004-0038-9·doi:10.1007/s10346-004-0038-9 [71] Tarboton DG（2005）使用数字高程模型（TauDEM）进行地形分析。http://hydrology.usu.edu。2012年11月21日查阅 [72] Terlien，M。；韦斯顿，CJ；Asch，T。；Carrara，A.（编辑）；Guzzetti，F.（ed.），基于GIS的滑坡灾害评估中的确定性建模，55-77（1995），多德雷赫特 [73] Trumpy R（1980）《瑞士地质》，指南。A部分，瑞士地质概况。地球科学评论17:3 [74] Tullen R（2000）《切诺莱特的滑翔》（Bex-Les Plans，VD）。Bull Géol苹果5:39-45 [75] Vapnik V（1998）统计学习理论。纽约威利·Zbl 0935.62007号 [76] Varnes DJ（1984）《滑坡危险区划：原则和实践回顾》。IAEG滑坡委员会，联合国教科文组织，巴黎自然灾害 [77] van Westen CJ、van Asch T、Soeters R（2005）《滑坡灾害和风险区划：为什么仍然如此困难？B工程地质环境65:167-184。doi:10.1007/s10064-005-0023-0·doi:10.1007/s10064-005-0023-0 [78] van Westen CJ，Castellanos Abella EA（2008）《滑坡敏感性、危害和脆弱性评估的空间数据：概述》。工程地质102:112-131。doi:10.1016/j.enggeo.2008.03.010·doi:10.1016/j.enggeo.2008.03.010 [79] Yao X，Tham L，Dai F（2008）基于支持向量机的滑坡敏感性制图：中国香港自然斜坡的案例研究。地貌101:572-582。doi:10.1016/j.geomorph.2008.02.011·doi:10.1016/j.geomorph.2008.02.011 [80] Yesilnacar E，Topal T（2005），《滑坡敏感性绘图：中等规模研究中逻辑回归和神经网络方法的比较》，Hendek地区（土耳其）。工程地质79:251-266。doi:10.1016/j.enggeo.2005.02.002·doi:10.1016/j.enggeo.2005.02.002 [81] Yilmaz I（2010a）土耳其Koyulhisar滑坡敏感性制图方法比较：条件概率、逻辑回归、人工神经网络和支持向量机。环境地球科学61:821-836。doi:10.1007/s12665-009-0394-9 [82] Yilmaz I（2010b）采样策略对条件概率和人工神经网络滑坡易感性绘图的影响。环境地球科学60:505-519。doi:10.1007/s12665-009-0191-5·doi:10.1007/s12665-009-0191-5 此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。