王卫东， 何卓磊， 韩 征， 钱 于

(1.中南大学 土木工程学院， 湖南 长沙 410075； 2.中南大学 重载铁路工程结构教育部重点实验室， 湖南 长沙 410075；3.南卡罗来纳大学 土木与环境工程系， 哥伦比亚 29208)

滑坡敏感性是指在综合分析相关地质和地形条件的基础上，某一区域发生滑坡的可能性.在确定了致灾因子之后，评估模型是编制滑坡敏感性区划图的一个关键问题.过去几十年的研究提供了多种可选择模型，一般可分为两类，即定性模型和定量模型.定性方法是基于专家经验的知识驱动型方法，如层次分析法[1-2]等，具有不确定性和主观性.随着计算机技术、遥感技术以及地理信息系统技术的全面发展，研究人员更倾向于采用定量方法来进行地质灾害区划.定量方法是基于统计学的数据驱动型方法，如逻辑回归(LR)分析法[3]等.在机器学习逐渐发展起来后，一些学者开始使用支持向量机法[4]等方法来进行滑坡敏感性分析.定量方法具有较好的确定性和客观性.

Polykretis等[5]的研究认识到由于致灾因子之间的复杂非线性关系、缺乏相关数据以及环境动态变化的整合，导致编制滑坡敏感性区划图存在困难.然而迄今为止，大多数的分类和回归学习方法都是浅层结构的算法，不同特征之间的非线性关系没有得到充分反映.深度学习的本质是通过构建具有许多隐藏层和大量训练数据的模型来学习更多特性，实现对上层的特征抽象，一定程度上对传统模型所暴……