基于集成机器学习模型的川藏铁路雅安至昌都段雪崩易发性评价
Plateau Science Research(2022)
摘要
文章选取川藏铁路雅安至昌都段线路两侧各20 km作为研究区,根据野外调查、遥感解译、GIS空间分析和数据挖掘等手段,选取12个雪崩评价因子,利用卡方自动交互检测法(CHAID)、多层感知器(MLP)与Boosting提升法集成为B-MLP、B-CHAID模型开展雪崩易发性评价,并与其基础模型(MLP、CHAID)和支持向量机(SVM)模型的评价结果作对比.结果表明:(1)5种模型对铁路沿线雪崩易发性都有较好的预测能力,Boosting算法对CHAID和MLP模型精度均有提升;(2)基于最优精度模型(B-MLP)的雪崩易发性区划图显示雪崩极高和高易发性区分别占总面积的3.2%、2.4%,极高易发区平均海拔约4865 m,高易发区平均海拔约4716 m;(3)雪崩对川藏铁路雅安至昌都段铁路正线影响较小,但是部分布设在高海拔的辅助施工道路、辅助坑道洞口等大型临时工程可能会面临雪崩的威胁,应结合场址实际情况开展雪崩防治.
更多AI 理解论文
溯源树
样例
![](https://originalfileserver.aminer.cn/sys/aminer/pubs/mrt_preview.jpeg)
生成溯源树,研究论文发展脉络
Chat Paper
正在生成论文摘要