摘要: 对比了6个基于地理信息系统(GIS)的地震滑坡易发性评价模型,包括二元统计(BS)、逻辑回归(LR)、人工神经网络(ANN),以及基于线性、多项式和径向基三种核函数类型的支持向量机(SVM)模型。这些模型被应用于嘉陵江的支流——涪江的一个支流流域,该区域是2008年5月12日汶川地震影响区的一部分。滑坡编录图、坡度、坡向、高程、斜坡曲率、到水系距离、地形湿度指数(TWI)、到公路距离、到地表破裂距离、峰值地动加速度(PGA)和岩性共11个专题图层被应用到该研究中。根据上述6类地震滑坡易发性评价模型与应用同样的输入,得到6个地震滑坡易发性索引图。利用2个曲线下面积(AUC)指标分别表示模型正确率和预测率,来检验这6类模型的性能。结果表明逻辑回归模型的结果成功率和预测率均为最高,为80.34%和80.27%。其次为基于径向基函数的支持向量机模型,其成功率和预测率分别为80.302%和80.151%,与逻辑回归模型的结果接近。结果最差的是基于线性函数的支持向量机模型,成功率和预测率分别仅为72.52%和72.533%。此外,结果表明径向基核函数是该区域地震滑坡易发性评价工作的3种核函数中最合适的核函数。一直以来,研究人员认为软计算技术(如人工神经网络和支持向量机)的性能要好于逻辑回归和二元统计模型,本研究提供了一个反例。