机器学习模型在滑坡易发性评价中的应用现状与发展趋势

摘要

滑坡易发性评价是滑坡危险性评价和风险性评价的必要基础，机器学习模型可以在海量滑坡灾害数据中挖掘潜在信息，建立数据联系，寻找滑坡现象背后的本质规律，是当前滑坡易发性评价研究的重要手段之一。基于文献检索平台，介绍不同机器学习模型等在滑坡易发性评价领域的应用现状，探讨了机器学习模型在滑坡易发性评价应用中的优缺点和适用情形，并提出以下几点认识：①基于耦合的机器学习模型在滑坡易发性评价中显著优于未耦合单一机器学习模型，基于改进的机器学习模型在滑坡易发性评价中也显著优于未经改进的单一机器学习模型；②探索模型算法“暗箱”式的作用机制、过程与结果的可解释性，提高滑坡易发性评价的精度和准确性，完善模型应用研究的不足，实现与人工智能的嵌套耦合等是未来机器学习模型研究的重要方向；③机器学习模型的自身特点和适用情形源于其构建原理，且作为固有特性贯穿于模型应用全过程。尽管机器学习模型受到广泛关注，但人们对其认识仍不够深入，学界也未形成一致的观点和统一的评价准则，尚有待进一步研究。

0 引言

地质灾害是世界范围内最为严重的灾害之一，我国是世界上地质灾害最为严重的国家之一，滑坡地质灾害尤为突出［1］。土质滑坡以我国西北地区的黄土滑坡最为典型，灾害分布范围广、财产损失数目巨大、人员伤亡数量惊人［2］。岩质滑坡以我国西南地区的喀斯特山体滑坡最为突出，规模大、隐蔽性强、破坏模式与动力响应机制极为复杂［3］。根据中国地质环境监测院发布的《全国地质灾害灾情通报》（2018-2019）［4］和自然资源部发布的《中国自然资源统计公报》