文献

J-GLOBAL ID：202102246604582592   整理番号：21A2602700

新しいハイブリッド機械学習アルゴリズムによる地滑り感受性評価【JST・京大機械翻訳】

Landslide Susceptibility Assessment by Novel Hybrid Machine Learning Algorithms

著者 (11件)： Pham Binh Thai (Institute of Research and Development, Duy Tan University, Da Nang 550000, Vietnam) ,  Shirzadi Ataollah (Department of Rangeland and Watershed Management, Faculty of Natural Resources, University of Kurdistan, Sanandaj 66177-15175, Iran) ,  Shahabi Himan (Department of Geomorphology, Faculty of Natural Resources, University of Kurdistan, Sanandaj 66177-15175, Iran) ,  Omidvar Ebrahim (Department of Rangeland and Watershed Management, Faculty of Natural Resources and Earth Sciences, University of Kashan, Kashan 87317-53153, Iran) ,  Singh Sushant K. (Virtusa Corporation, 10 Marshall Street, Irvington, NJ 07111, USA) ,  Sahana Mehebub (IGCMC, WWF-India, New Delhi-110003, India) ,  Asl Dawood Talebpour (Department of Geomorphology, Faculty of Natural Resources, University of Kurdistan, Sanandaj 66177-15175, Iran) ,  Ahmad Baharin Bin (Faculty of Built Environment and Surveying, Universiti Teknologi Malaysia (UTM), Johor Bahru 81310, Malaysia) ,  Quoc Nguyen Kim (Department of Information Technology, Nguyen Tat Thanh University, Ho Chi Minh City 700000, Vietnam) ,  Lee Saro (Geoscience Platform Research Division, Korea Institute of Geoscience and Mineral Resources (KIGAM), 124 Gwahak-ro, Yuseong-gu, Daejeon 34132, Korea) ,  Lee Saro (Department of Geophysical Exploration, Korea University of Science and Technology, 217 Gajeong-ro, Yuseong-gu, Daejeon 34113, Korea)
資料名： Sustainability (Web)  (Sustainability (Web))
巻： 11  号： 16  ページ： 4386  発行年： 2019年 
JST資料番号： U7281A  ISSN： 2071-1050  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： スイス (CHE)  言語： 英語 (EN)

抄録/ポイント： 地すべりは,影響を受けた地域の社会経済的ならびに環境条件に多次元的な影響を及ぼす。本研究の目的は,インド,UttarakhandのPithoragarh地区の北部におけるベース分類器として,バギング(BA),ランダム部分空間(RS)および回転森林(RF)を含むハイブリッド機械学習モデルを用いた地滑りの空間的予測である。データベースを構築するために,70/30の比率を有する10の条件付け因子と合計103の地滑り位置を使用した。有意な因子をカイ二乗属性評価(CSEA)技術により決定した。ハイブリッドモデルの妥当性を,真の陽性率(TP率),偽陽性率(FP率),再現率(感度),精度,F尺度および受信者動作特性曲線(AUC)の下で評価した。結果は,土地被覆が最も重要な要因であり,一方,曲率は研究地域における地滑り発生に影響を及ぼさず,それはモデル化プロセスから除去されたと結論した。さらに,全てのアンサンブルモデルがADTree分類器の電力予測を強化したが(AUC訓練=0.859;AUC検証=0.813),RSアンサンブルモデル(AUC訓練=0.883;AUC検証=0.842)は,RF(AUC訓練=0.871;AUC検証=0.840)およびBA(AUC訓練=0.865;AUC検証=0.836)アンサンブルモデルより性能が優れ,分類できた。得られた結果は,環境に対する被害と悪影響をよりよく管理し,低減するために,将来の地滑り傾向地域を認識するのに役立つであろう。Copyright 2021 The Author(s) All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 学習モデル ,  データベース ,  電力 ,  *地滑り ,  感受性 ,  インド ,  曲率 ,  高次元 ,  土地被覆 ,  *学習アルゴリズム
準シソーラス用語： ROC曲線 ,  環境条件 ,  部分空間 ,  陽性率 ,  ハイブリッドモデル , 【Automatic Indexing@JST】

著者キーワード (6件)： 地滑り ,  メタ分類器 ,  性能 ,  適合度 ,  GIS ,  インド

分類 (2件)： 自然災害  (RA02030M) ,  人工知能  (JE08000Z)

引用文献 (104件)：

• Cruden, D.M. A suggested method for a landslide summary. Bull. Int. Assoc. Eng. Geol. 1991, 43, 101-110.
• Froude, M.J.; Petley, D.N. Global fatal landslide occurrence from 2004 to 2016. Nat. Hazards Earth Syst. Sci. 2018, 18, 2161-2181.
• Pham, B.T.; Prakash, I.; Singh, S.K.; Shirzadi, A.; Shahabi, H.; Tran, T.-T.-T.; Bui, D.T. Landslide susceptibility modeling using Reduced Error Pruning Trees and different ensemble techniques: Hybrid machine learning approaches. Catena 2019, 175, 203-218.
• Dilley, M.; Chen, R.S.; Deichmann, U.; Lerner-Lam, A.L.; Arnold, M. Natural Disaster Hotspots: A Global Risk Analysis; The World Bank: Washington, DC, USA, 2005.
• Kirschbaum, D.; Stanley, T. Satellite-Based Assessment of Rainfall-Triggered Landslide Hazard for Situational Awareness. Earth’s Futur. 2018, 6, 505-523.

タイトルに関連する用語 (5件)： 機械学習 ,  アルゴリズム ,  地滑り ,  感受性 ,  評価