基于可解释神经网络的滑坡易发性建模
机器学习
2023-03-14 v3 数据分析、统计与概率
地球物理
摘要
滑坡因其受众多时空变化因素影响而稳定性难以预测，是出了名的难预测。人工神经网络 (ANN) 已被证明可提高预测精度，但很大程度上不可解释。在此我们引入一种加性 ANN 优化框架来评估滑坡易发性，以及数据集划分与结果解释技术。我们将这一具有完全可解释性、高精度、高泛化性和低模型复杂度的方案称为可叠加神经网络 (SNN) 优化。我们通过以喜马拉雅山东端三个不同地区滑坡编录训练模型来验证我们的方法。我们的 SNN 优于基于物理和统计的模型，并取得了与最先进深度神经网络相当的性能。SNN 模型发现坡度与降水的乘积以及山坡坡向是高中滑坡易发性的重要主要因素，这凸显了强坡度-气候耦合以及微气候对滑坡发生的重要性。
引用
@article{arxiv.2201.06837,
title = {Landslide Susceptibility Modeling by Interpretable Neural Network},
author = {Khaled Youssef and Kevin Shao and Seulgi Moon and Louis-Serge Bouchard},
journal= {arXiv preprint arXiv:2201.06837},
year = {2023}
}
备注
79 pages (including SI section); 8 main figures; 12 supplementary figures; 9 supplementary tables