2014年 MW6.2 鲁甸地震滑坡易发性评估:基于卷积神经网络与随机森林算法的对比
来源：地震地质杂志2026年第2期北京时间：
作者：王莞瞳, 马思远, 严武建, 袁仁茂
单位：1) 中国地震局地质研究所, 北京 1000292) 中国地震局地质研究所, 地震与火山灾害重点实验室, 北京 1000293) 中国地震局兰州地震研究所, 兰州 730000
摘要：地震滑坡作为一种破坏性极强的地质灾害, 不仅对灾区居民生命安全构成威胁, 还对当地基础设施和交通网络造成严重破坏。因此, 快速、 准确地识别同震滑坡分布并评估其易发性, 对于决策者及时部署应急响应、 合理配置资源及最大限度减少人员伤亡和财产损失具有至关重要的意义。文中以2014年 MW6.2 鲁甸地震为例, 基于卷积神经网络(CNN)构建了AlexNetCBAM滑坡易发性评估模型, 并采用随机森林(RF)模型作为对比工具, 开展了鲁甸震区滑坡易发性评估。研究综合选取了高程、 坡度、 坡向、 地震烈度、 断层距离、 地层岩性等10个影响因子, 并通过GINI指数定量分析了各影响因子对滑坡发生的贡献程度。结果表明, 相较于地貌特征和地质条件, 地震因素对鲁甸地震滑坡的控制作用最为显著。进一步比较2种模型预测的滑坡敏感性图(LSM), 发现滑坡高易发区的分布与实际滑坡分布情况基本一致, 鲁甸地震极高和高危险区主要集中在2个区域: 1)距震中最远的东南部河谷地区; 2)震中西侧沿EW向从BXF断层至牛栏河的区域。根据定量评价指标可知, AlexNetCBAM模型和RF模型的准确率分别为0.84和0.82, AUC值分别为0.91和0.90, 表明AlexNetCBAM模型在鲁甸地区同震滑坡预测中的表现略优于RF模型。
关键词：鲁甸MW6.2地震,同震滑坡,卷积神经网络,随机森林,易发性评估,
基金资助：国家自然科学基金(42330704); 中国地震局地震科技星火计划攻关项目(XH24044A)
