滑坡易發(fā)性評價研究進展與優(yōu)化方法

第1章 緒論
1.1 研究背景與意義
1.2 研究現(xiàn)狀
1.2.1 滑坡易發(fā)性評價模型
1.2.2 易發(fā)性評價因子
1.2.3 因子數(shù)據(jù)挖掘
1.2.4 制圖方法
1.3 存在的問題與不足
1.4 研究內(nèi)容
第2章 滑坡易發(fā)性評價研究進展分析
2.1 文獻計量分析原理
2.1.1 文獻數(shù)據(jù)庫
2.1.2 LDA方法
2.2 文獻分析結(jié)果
2.2.1 科研產(chǎn)出變化
2.2.2 作者及地域分布
2.2.3 期刊／會議期刊
2.2.4 基金／資助機構(gòu)
2.2.5 關鍵詞分析
2.2.6 LDA文獻分類及分析
2.3 討論
2.3.1 滑坡編錄方法
2.3.2 易發(fā)性評價因子
2.3.3 滑坡易發(fā)性評價模型
2.3.4 滑坡類別和研究區(qū)域
2.3.5 滑坡易發(fā)性相關的其他研究
2.4 小結(jié)
第3章 基于機器學習的滑坡易發(fā)性評價
3.1 機器學習原理
3.2 基于機器學習的滑坡易發(fā)性評價流程
3.3 樣本數(shù)據(jù)
3.3.1 滑坡樣本
3.3.2 非滑坡樣本
3.3.3 訓練集與測試集
3.4 評價單元
3.4.1 斜坡單元
3.4.2 柵格單元
3.5 常用的機器學習模型
3.5.1 邏輯回歸模型
3.5.2 人工神經(jīng)網(wǎng)絡模型
3.5.3 支持向量機模型
3.5.4 隨機森林模型
3.6 超參數(shù)優(yōu)化
3.6.1 超參數(shù)簡介
3.6.2 網(wǎng)格搜索
3.6.3 隨機搜索
3.7 模型評價指標
3.7.1 混淆矩陣
3.7.2 Kappa系數(shù)
3.7.3 ROC曲線與AUC值