基于机器学习模型与特征筛选的安徽省滑坡灾害易发性分布研究

来源：大地测量与地球动力学杂志2026年第1期北京时间：

作者：陆子康, 陈宏信, 冯世进, 赵勇, 沈国栋, 陈修和

单位：1 同济大学土木工程学院, 上海, 200092,2 安徽省交通规划设计研究总院股份有限公司, 合肥, 230088

摘要：以安徽省历史滑坡与水文地质条件为原始数据，利用5种典型机器学习模型，选取9种环境致灾因子作为初始输入变量，针对机器学习输入变量筛选组合对不同模型的性能影响问题，采用多种因子筛选方法及数种评价指标，考察各筛选组合下每种算法模型对滑坡易发性的预测精度。评价结果显示，全选组与轻量梯度提升机(LightGBM)模型的组合具有最优的性能；在研究区的滑坡易发性研究中，对机器学习输入因子的筛选并不一定对模型的性能提升产生正面影响；集成模型比单评估器模型性能更优，且LightGBM由于采用了基于叶子节点的决策树算法，相较于其他集成算法模型性能有一定的提升。

关键词：滑坡,机器学习,特征筛选,易发性,集成模型

基金资助：长三角科技创新共同体联合攻关项目(2022CSJGG1202)