BriefGPT - AI 论文速递
·
利用机器学习和深度学习模型预测滑坡易发因素的选择
💡
原文中文，约300字，阅读约需1分钟。
📝
内容提要
该研究提出了一种动态滑坡易发性测绘方法，使用多个预测模型进行评估，并采用元学习表示推断和SHAP进行模型解释。研究还应用MT-InSAR方法进行结果增强和验证。结果表明，滑坡的主要触发因素是地形坡度和极端降雨，滑坡原因的变化主要归因于全球气候变化和政府实施的滑坡预防和减灾项目。
🎯
关键要点
- 研究提出了一种动态滑坡易发性测绘方法。
- 该方法使用多个预测模型进行年度滑坡易发性评估。
- 采用少量样本和渐变更新的方式进行元学习表示推断。
- 使用SHAP进行模型解释和滑坡特征置换。
- 应用MT-InSAR方法进行滑坡易发性结果增强和验证。
- 研究在香港的大屿山地区进行，时间跨度为1992年至2019年。
- 滑坡的主要触发因素是地形坡度和极端降雨。
- 滑坡原因的变化主要归因于全球气候变化和政府实施的滑坡预防和减灾项目。
➡️
