BỘ KHOA HỌC VÀ CÔNG NGHỆ
HỆ THỐNG THÔNG TIN KHOA HỌC VÀ CÔNG NGHỆ

Lọc theo danh mục
  • Năm xuất bản
    Xem thêm
  • Lĩnh vực
liên kết website
Lượt truy cập
 Lượt truy cập :  23,046,486
  • Công bố khoa học và công nghệ Việt Nam

38

Địa lý tự nhiên

Lê Trần Minh Đạt, Trương Thị Hồng Ngọc, Đoàn Viết Long(1), Nguyễn Chí Công

Dự báo nguy cơ trượt lở đất cho huyện A Lưới, tỉnh Thừa Thiên Huế sử dụng mô hình logistic regression

Predict landslide susceptibility using logistic regression model in a luoi district, thua thien hue province

Tạp chí Khoa học và Công nghệ (Đại học Đà Nẵng)

2022

9

5-10

1859-1531

Học máy, Logistic regression, Trượt lở đất, ROC, AUC

Machine learning, Logistic regression, Landslides, ROC, AUC

Nghiên cứu này đề xuất một mô hình hồi quy Logistic (LR) hiệu quả trong việc dự báo nguy cơ trượt lở đất (TLĐ) cho huyện miền núi A Lưới. Cơ sở dữ liệu gồm 429 điểm sạt lở và 574 điểm không sạt lở được thu thập trong các năm 2006, 2009, 2020 với 11 yếu tố biến đầu vào ảnh hưởng đến xác xuất xảy ra được xem xét, bao gồm: Độ dốc, hướng phơi sườn, cao độ, chỉ số độ ẩm địa hình, loại đất, sử dụng đất, khoảng cách đến đường, khoảng cách đến sông, chỉ số thực vật và lượng mưa lớn nhất 3 ngày. Một mô hình LR tối ưu cũng được đề xuất để dự báo nguy cơ TLĐ. Đường cong ROC và diện tích dưới đường cong AUC được sử dụng để đánh giá hiệu suất của mô hình dự báo. Kết quả cho thấy, AUC ở tập huấn luyện đạt 0,8 và 0,81 ở tập kiểm tra. Cuối cùng, một bản đồ nguy cơ TLĐ cho huyện A Lưới với độ phân giải 30mx30m được xây dựng dựa trên kết quả dự báo của mô hình hồi quy LR.

This study proposes an effective Logistic Regression (LR) model for predicting landslide susceptibility (LS) at A Luoi district. The dataset includes 429 landslide points and 574 non-landslide points collected in the years 2006, 2009 and 2020 with eleven input variables, affecting on landslide probability. They are considered, including slope, slope direction, elevation, topographic moisture index, soil type, land use, distance to road, distance to river, vegetation index (NVDI) and 3-day antecedent rainfall. An optimal LR model is also proposed to predict landslide susceptibility. The ROC curve and the area under the ROC curve (AUC) are used to evaluate the performance of the predictive model. The results show that, the AUC in the training set and testing set is 0.8 and 0.81, respectively. Finally, a LS predictive model with a resolution of 30mx30mfor A Luoi district is established basing on the prediction results of the LR model.

TTKHCNQG, CVv 465

Xem toàn văn