基于地形先验知识和表格基础模型的数据-知识双驱动范式：在数据稀缺条件下准确的滑坡易感性预测
机器学习
2026-04-29 v1
摘要
滑坡易感性预测对于地震灾害风险评估和减灾至关重要。传统数据驱动范式能够实现高预测精度，但需要充足的条件因素和大规模的滑坡清单。然而，在实际工程应用中，山地和高原地区常常观察到数据稀缺情况，此类数据要求难以满足，导致传统数据驱动范式不可用。为此，我们提出一种在数据稀缺条件下进行准确滑坡易感性预测的数据-知识双驱动范式。该新范式的核心思想是将地形先验知识与有限的滑坡数据相结合。为验证所提范式，我们首先在意大利中部的数据丰富地区应用其方法，以常规数据驱动范式在完整数据集上训练的模型作为基准。仅使用 30% 的滑坡数据，所提范式即可实现与基准相当的预测精度，表明其在数据稀缺条件下效果显著。该范式进一步在真正的数据稀缺环境——青藏高原祁连永久冻土地区进行评估，结果也给出可靠的易感性预测，确认其在数据稀缺条件下的适用性。
引用
@article{arxiv.2604.25196,
title = {Knowledge-Data Dually Driven Paradigm for Accurate Landslide Susceptibility Prediction under Data-Scarce Conditions Using Geomorphic Priors and Tabular Foundation Model},
author = {Yuting Yang and Gang Mei and Feng Chen and Yongshuang Zhang and Jianbing Peng},
journal= {arXiv preprint arXiv:2604.25196},
year = {2026}
}