相关文章

• RF-BP神经网络耦合模型在城市地面塌陷易发性评价中的应用——以杭州市典型区为例
  2025, 36(3): 160-170. DOI: 10.16031/j.cnki.issn.1003-8035.202311017
• 不同机器学习模型在湖北巴东滑坡易发性评价中的应用
  2025, 36(3): 140-150. DOI: 10.16031/j.cnki.issn.1003-8035.202310011
• 考虑负样本取样策略的滑坡易发性评价与区划——以四川省巴中地区为例
  2025, 36(1): 146-155. DOI: 10.16031/j.cnki.issn.1003-8035.202309028
• 基于XGBoost和云模型的地质灾害易发性评价
  2023, 34(6): 136-145. DOI: 10.16031/j.cnki.issn.1003-8035.202210041
• 基于原型网络的云南怒江州泥石流灾害易发性评价与区划
  2023, 34(5): 117-129. DOI: 10.16031/j.cnki.issn.1003-8035.202207023
• 基于Logistic回归和随机森林的清江流域长阳库岸段堆积层滑坡易发性评价
  2023, 34(4): 105-113. DOI: 10.16031/j.cnki.issn.1003-8035.202205044
• 基于沟域单元的康定市泥石流易发性评价
  2023, 34(3): 145-156. DOI: 10.16031/j.cnki.issn.1003-8035.202205038
• 基于信息量模型的云南东川泥石流易发性评价
  2022, 33(5): 119-127. DOI: 10.16031/j.cnki.issn.1003-8035.202204003
• 则木河断裂带（普格段）地质灾害发育规律及易发性评价
  2022, 33(3): 123-133. DOI: 10.16031/j.cnki.issn.1003-8035.2022.03-14
• 基于RBF神经网络−信息量耦合模型的滑坡易发性评价——以甘肃岷县为例
  2021, 32(6): 116-126. DOI: 10.16031/j.cnki.issn.1003-8035.2021.06-14