NGHIÊN CỨU ỨNG DỤNG KỸ THUẬT HỌC MÁY KẾT HỢP HỆ THỐNG THÔNG TIN ĐỊA LÝ ĐỂ XÂY DỰNG BẢN ĐỒ NHẠY CẢM SẠT LỞ ĐẤT

0 Người đánh giá. Xếp hạng trung bình 0

Tác giả: Thùy Dương Lưu, Xuân Biên Trần

Ngôn ngữ: vie

Ký hiệu phân loại:

Thông tin xuất bản: Tạp chí Khoa học Tài nguyên và Môi trường, 2022

Mô tả vật lý: tr.90-101

Bộ sưu tập: Metadata

ID: 333180

Thêm vào giỏ Liên kết toàn văn

Landslides have caused great damage to property, infrastructure and people in many mountainous areas of Vietnam. Studies on landslides have been addressed in the management and prevention of natural disasters. This study presents a machine learning method, which is a radial basis function classifier (RBFC) to create a landslide susceptibility map in Muong Cha district of Dien Bien province in the Northwest mountainous region, which is frequently affected by landslides. In the model, 12 influential factors were selected based on the topography and geographical conditions of the study area. To confirm the performance of the model, statistical indicators including ROC/AUC curves and various statistical indicators were used. The results showed that the RBFC models have high accuracy in building landslide spatial prediction maps, with AUC train = 0931, AUCtest = 0,857. This study is useful for building landslide susceptibility maps with the aim of identifying landslide prone areas for risk management.Sạt lở đất hàng năm đã gây thiệt hại lớn về tài sản, cơ sở hạ tầng và con người ở nhiều vùng miền núi của Việt Nam. Các nghiên cứu về sạt lở đất đã được quan tâm trong công tác quản lý, phòng chống thiên tai. Nghiên cứu này trình bày phương pháp học máy, đó là phân loại hàm cơ sở xuyên tâm (RBFC) để tạo bản đồ nhạy cảm sạt lở đất tại huyện Mường Chà của tỉnh Điện Biên thuộc vùng núi Tây Bắc, nơi thường xuyên bị ảnh hưởng bởi hệ thống đứt gãy kiến tạo phát triển rất mạnh mẽ. Trong các nghiên cứu mô hình, 12 yếu tố ảnh hưởng đã được lựa chọn dựa trên địa hình và điều kiện địa của khu vực. Để xác nhận hiệu suất của mô hình, các chỉ số thống kê bao gồm đường cong ROC/AUC và các chỉ số thống kê khác nhau được sử dụng. Kết quả nghiên cứu cho thấy rằng các mô hình phân loại hàm cơ sở xuyên tâm (RBFC) có độ chính xác cao trong xây dựng bản đồ dự báo không gian sạt lở đất, với AUCđào tạo = 0,931, AUCkiểm chứng = 0,857. Nghiên cứu này hữu ích cho việc xây dựng bản đồ nhạy cảm sạt lở đât với mục tiêu xác định các khu vực, vùng dễ bị sạt lở đất để quản lý rủi ro.

1. Đọc trực tuyến

1. Đọc trực tuyến

Tạo bộ sưu tập với mã QR