基于Newmark法与随机森林模型的地震滑坡易发性评估方法OA

文章选取高程、岩性、坡度、坡向、曲率、地震峰值加速度(PGA)、距断层距离及距水系距离等8个环境因子,与Newmark模型计算所得的位移值共同作为输入特征,依托物理机理与机器学习的综合优势,初步构建考虑物理机制的人工预测模型,并成功应用于2023年2月6日土耳其双震地震诱发滑坡灾害的预测分析。研究结果表明:与Newmark模型相比,Newmark和随机森林(RF)的集成模型(Newmark-RF)对滑坡易发性评估更准确,在训练集上,Newmark模型与Newmark-RF模型的受试者工作特征(ROC)曲线下面积(AUC)值分别为0.887 1和0.939 0,在验证集上两模型的AUC值分别为0.882 6和0.936 8,均高于0.85,表明两者在研究区具有良好的适应性和预测能力。Newmark-RF模型的AUC值较Newmark模型提升5.42%,将该模型应用于绘制土耳其研究区地震滑坡易发性图,结果显示滑坡易发性图与实际的滑坡点位分布一致性较高,有90.15%的滑坡位于极高易发区。新提出的Newmark-RF模型显著提升了预测精度和可靠性,可为滑坡危险性评价提供一定参考。