一种基于异质集成学习的同震滑坡易发性评估方法及系统

本发明公开一种基于异质集成学习的同震滑坡易发性评估方法及系统，涉及同震滑坡易发性评估领域，解决现有技术中在复杂艰险山区条件下单一机器学习、深度学习模型难以捕捉到滑坡发生与致灾因子之间的内在关系的问题；本发明整合滑坡边界矢量数据和致灾因子栅格数据，并根据相关性分析和重要性分析剔除无效致灾因子得到训练数据集；构建CNN‑RXStack滑坡易发性评价模型预测地震区域的同震滑坡易发性，将预测得到的滑坡发生概率转化为滑坡易发性等级，得到滑坡易发性地图，并对滑坡易发性结果进行验证及分析；本发明提高了致灾因子特征的异质性，能够更好的让模型捕捉到滑坡与非滑坡之间的特征差异，从而提高模型预测的准确性和可靠性。