Xây dựng bản đồ nhạy cảm trượt lở đất sử dụng mô hình học máy và dữ liệu không gian đa nguồn

  • Lưu Thị Diệu Chinh Khoa Công trình Thủy, Trường Đại học Xây dựng Hà Nội, 55 đường Giải Phóng, phường Bạch Mai, Hà Nội, Việt Nam
  • Hà Thị Hằng Khoa Cầu đường, Trường Đại học Xây dựng Hà Nội, 55 đường Giải Phóng, phường Bạch Mai, Hà Nội, Việt Nam
  • Bùi Duy Quỳnh Khoa Cầu đường, Trường Đại học Xây dựng Hà Nội, 55 đường Giải Phóng, phường Bạch Mai, Hà Nội, Việt Nam
  • Vũ Đình Chiều Khoa Cầu đường, Trường Đại học Xây dựng Hà Nội, 55 đường Giải Phóng, phường Bạch Mai, Hà Nội, Việt Nam
  • Lê Văn Quang Ban Đào tạo Kỹ sư chất lượng cao, Trường Đại học Xây dựng Hà Nội, 55 đường Giải Phóng, phường Bạch Mai, Hà Nội, Việt Nam
  • Lương Ngọc Dũng Khoa Cầu đường, Trường Đại học Xây dựng Hà Nội, 55 đường Giải Phóng, phường Bạch Mai, Hà Nội, Việt Nam
Từ khóa: bản đồ nhạy cảm trượt lở đất, học máy, Categorical Boosting, Random Forests, tỉnh Thái Nguyên (cũ), Việt Nam

Tóm tắt

Nghiên cứu này đề xuất phát triển hai thuật toán học máy, bao gồm Categorical Boosting (CatBoost) và Random Forest (RF) để xây dựng bản đồ nhạy cảm trượt lở đất cho tỉnh Thái Nguyên (cũ). Một bộ dữ liệu hiện trạng trượt lở đất trong lịch sử và mười lăm yếu tố đại diện cho các đặc điểm địa hình, địa chất, môi trường, khí hậu của khu vực nghiên cứu đã được sử dụng làm dữ liệu đầu vào. Hiệu suất dự báo của các mô hình học máy được so sánh và đánh giá dựa trên các chỉ số thống kê phổ biến. Kết quả phân tích đường cong ROC trên tập dữ liệu kiểm tra cho thấy mô hình CatBoost có hiệu suất dự báo vượt trội so với mô hình Random Forest với giá trị AUC là 0,950. Theo đó, mô hình CatBoost đã được lựa chọn để xây dựng bản đồ nhạy cảm trượt lở đất tốt nhất. Ngoài ra, bản đồ này cũng được kiểm chứng với các vị trí trượt lở đất mới nhất từ trang web của Hệ thống giám sát thiên tai Việt Nam. Kết quả đạt được này không chỉ thúc đẩy các giải pháp phòng chống trượt lở đất một cách chủ động, mà còn khẳng định tính hiệu quả và độ tin cậy của các mô hình học máy tiên tiến, hiện đại trong lĩnh vực quản lý và giảm thiểu rủi ro thiên tai.

Tải xuống

Dữ liệu tải xuống chưa có sẵn.
Xuất bản
05-11-2026
Chuyên mục
Bài báo khoa học