基于表格基石模型的提高数据稀疏与不平衡性下地滑建模准确性与鲁棒性的生成方法
机器学习
2026-04-29 v1
摘要
地滑调查依赖充足且平衡的观测数据，这些数据受到地质、水文和人为因素的影响。可获得的地滑清单往往稀疏且不平衡，这限制了对触发条件和失效机制的理解。数据生成提供了有效的方法来帮助从有限的地滑观测中捕捉特征之间的依赖关系。然而，现有的地滑生成方法往往难以捕捉特征之间复杂的关系，也缺乏在多种情景和相互作用因素下的鲁棒性。本文提出一种准确且鲁棒的方法，用于生成多特征地滑数据集，利用表格基石模型。通过利用从有限观测中学习的能力，该方法有效地保留了地滑发生中固有的多变量依赖关系和统计特征。对二十个地滑清单进行比较实验表明，生成的数据集与观察分布高度吻合，保持了真实的特征依赖关系，并在不同环境背景下表现出良好的鲁棒性。本工作提供了一种有效的方法来克服数据稀疏与不平衡，强化了在有限观测条件下的地滑易感性建模和风险评估。
引用
@article{arxiv.2604.25159,
title = {Accurate and Robust Generative Approach for Overcoming Data Sparsity and Imbalance in Landslide Modeling with A Tabular Foundation Model},
author = {Kaixuan Shao and Gang Mei and Yinghan Wu and Nengxiong Xu and Jianbing Peng},
journal= {arXiv preprint arXiv:2604.25159},
year = {2026}
}