信息量融入GA优化SVM模型下的地质灾害易发性评价

地质灾害易发性评价是防灾减灾工作部署、灾害预警以及风险管控的基础,针对评价因子在量纲、性质等方面的差异以及评价模型的适用性、准确性等问题,以陕西省子长市作为研究区,引入信息量(information value, INF)模型与遗传算法(Genetic Algorithm, GA),提出一种信息量融入GA优化支持向量机(Support Vector Machines, SVM)模型的地质灾害易发性评价方法。首先,从研究区的地形地貌、地质环境、生态环境三个方面选取坡度、坡向、河流距离、土地利用类型等9个评价因子,利用INF模型将各评价因子量纲进行统一,构建样本数据集;然后,利用GA迭代求解SVM关键参数c和g的最优值;最后,将全区点集属性数据代入训练好的模型中求解并输出子长市地质灾害易发性指数值,将该值代入ArcGIS软件得到地质灾害易发性区划图,并采用受试者工作特征(Receiver Operating Characteristic, ROC)曲线对模型预测结果的精度进行检验。结果表明：采用信息量融入GA优化SVM模型得到的子长市地质灾害易发性评价结果的准确率为93%,优于INF模型和...