参考文献/References:
[1] Neuland， Herbert. A prediction model of landslips[J]. Catena，1976，3（2），215-230[2] Rasmussen C E，Nickisch H. Gaussian processes for machine learning （GPML）toolbox[J]. Journal of Machine Learning Research，2010，11（6），3011-3015[3] Chen Weitao，Li Xianju，Wang Yanxin，et al. Forested landslide detection using LiDAR data and the random forest algorithm： a case study of the Three Gorges， China[J]. Remote Sensing of Environment，2014（152）：291-301.[4] Amiri M，Pourghasemi H R，Ghanbarian G A，et al. Assessment of the importance of gully erosion effective factors using Boruta algorithm and its spatial modeling and mapping using three machine learning algorithms[J]. Geoderma，2019（340）：55-69.[5] Abu El-magd S A，Ali S A，Pham Q B. Spatial modeling and susceptibility zonation of landslides using random forest， na?ve bayes and K-nearest neighbor in a complicated terrain [J]. Earth Science Informatics，2021，14（3）：1227-1243.[6] Van Den Eeckhaut M，Marre A，Poesen J. Comparison of two landslide susceptibility assessments in the Champagne-Ardenne region（France）[J]. Geomorphology，2010，115（1/2）：141-155.[7] Zhou C，Yin K L，Cao Y，et al. Landslide susceptibility modeling applying machine learning methods：a case study from Longju in the Three Gorges Reservoir area，China[J]. Computers&Geosciences，2008（112）：23-37.[8]付旭东，王金艳，李龙燕，等.基于随机森林算法的风场预报[J].兰州大学学报（自然科学版），2021，57（4）：503-509.[9] Sajadi P，Sang Y F，Gholamnia M，et al. Evaluation of the landslide susceptibility and its spatial difference in the whole Qinghai-Tibetan Plateau region by five learning algorithms [J]. Geoscience Letters，2022（9）：1-25.[10] Sun D L，Gu Q Y，Wen H J，et al. A hybrid landslide warning model coupling susceptibility zoning and preci-pitation[J]. Forests，2022，13（6）：827.[11]郭明珠，刘晃，王欢欢，等.金沙江上游贡扎村岩质滑坡发育特征及演化成因分析[J].地震研究，2021，44（2）：242-250.[12] Reshef D N，Reshef Y A，Finucane H K，et al. Detecting novel associations in large data sets[J]. Science，2011，334 （6062）：1518-1524.[13] Guyon I，Weston J，Barnhill S，et al. Gene selection for cancer classification using support vector machines[J]. Machine learning，2022，46（1-3）：389-422.[14]姚登举，杨静，詹晓娟.基于随机森林的特征选择算法[J].吉林大学学报（工学版），2014，44（1）：137-141.[15] Breiman L. Random forests[J]. Machine Learning，2001，45 （1）：5-32.[16]刘坚，李树林，陈涛.基于优化随机森林模型的滑坡易发性评价[J].武汉大学学报（信息科学版），2018，43（07）：1085-1091.[17]姚雄，余坤勇，刘健，等.基于随机森林模型的降水诱发山体滑坡空间预测技术[J].福建农林大学学报（自然科学版），2016，45（02）：219-227.[18] Wang L Q，Zhang Z H，Huang B L，et al. Triggering mechanism and possible evolution process of the ancient Qingshi landslide in the Three Gorges Reservoir[J]. Geomatics Natural Hazards & Risk，2021，12（1）：3160-74.[19] Zhang K Q，Wang L Q，Zhang W G，et al. Formation and failure mechanism of the Xinfangzi landslide in Chongqing City（China）[J]. Applied Sciences，2021，11（19）：8693[20]白仙富，戴雨芡，叶燎原，等.基于GIS和专家知识的滇西南地区滑坡敏感性模糊逻辑推理方法[J].地震研究， 2022，45（1）：118-131.[21] Li L，Lan H，Guo C，et al. A modified frequency ratio method for landslide susceptibility assessment[J]. Landsli-des，2016，14（2）：727-741.[22] Long J J，Liu Y，Li C D，et al. A novel model for regional susceptibility mapping of rainfall reservoir induced landslides in Jurassic slide-prone strata of western Hubei Province， Three Gorges Reservoir area[J]. Stochastic Environmental Research and Risk Assessment，2021，35 （7）：1403-26.[23] Sun D L，Xu J H，Wen H J，et al. Assessment of landslide susceptibility mapping based on Bayesian hyperparameter optimization：a comparison between logistic regression and random forest[J]. Engineering Geology，2021（281）：105792.[24] Zhou X Z，Wen H J，Li Z W，et al. An interpretable model for the susceptibility of rainfall-induced shallow landslides based on shap and xgboost[J]. Geocarto International，2022， 37（23）：1-27.[25] Weiss A. Topographic position and landforms analysis[R]. San Diego，CA ：ESRI user conference，2001.[26]叶润青，李士垚，郭飞，等.基于RS和GIS的三峡库区滑坡易发程度与土地利用变化的关系研究[J].工程地质学报，2021，29（03）：724-33.[27] Gariano S L，Rianna G，Petrucci O，et al. Assessing future changes in the occurrence of rainfall-induced landslides at a regional scale[J]. Sci Total Environ，2017（596/597）：417-426 .[28] He Q，Shahabi H，Shirzadi A， et al. Landslide spatial modelling using novel bivariate statistical based Naive Bayes，RBF Classifier，and RBF Network machine learning algorithm[J]. Sci Total Environ，2019（663）：1-15.[29] Juliev M，Mergili M，Mondal I，et al. Comparative analysis of statistical methods for landslide susceptibility mapping in the Bostanlik District， Uzbekistan[J]. Sci Total Environ， 2019（653）：801-814.
相似文献/References:
[1]邱慧玲,龙文华,卿展晖.模糊数学在滑坡治理工程后评价中的应用[J].华南地震,2023,(04):75.[doi:10.13512/j.hndz.2023.04.10]
QIU Huiling,LONG Wenhua,QING Zhanhui.Application of Fuzzy Mathematics in Post-evaluation of Landslide Treatment Project[J].,2023,(02):75.[doi:10.13512/j.hndz.2023.04.10]
[2]李 圣,卿元华,庄儒新,等.考虑历史地震烈度的楚雄州滑坡发育特征分析[J].华南地震,2024,(02):52.[doi:10.13512/j.hndz.2024.02.07]
LI Sheng,QING Yuanhua,ZHUANG Ruxin,et al.Analysis of Landslide Development Characteristics in Chuxiong Yi Autonomous Prefecture Considering Historical Earthquake Intensity[J].,2024,(02):52.[doi:10.13512/j.hndz.2024.02.07]