王 倩 ，薛 云，张 维，龙岳红，周松林

(1. 湖南城市学院 市政与测绘工程学院，湖南 益阳 413000；2. 长沙理工大学 交通运输工程学院，长沙 410114；3. 湖南城市学院设计研究院有限公司，湖南 益阳 413000)

滑坡是世界范围内造成经济损失和人员伤亡最严重的地质灾害之一[1].滑坡易发性评价的目的是识别出极易发生滑坡的危险区域，减少滑坡的不利影响[2-3].

目前地质灾害危险性评价常采用层次分析[4]、信息量[5-6]、证据权重[7-8]、趋势面分析[9]、模糊数学[10]、灰色聚类[11]等方法.这些方法都从不同方面反映了地质灾害危险性及其影响因素的不确定性，为地质灾害的防治起到了一定的作用.近年来，随着新理论、新技术发展，许多新模型被应用于滑坡易发性评价中[12-16].支持向量机(SVM)是20 世纪90 年代由Vapnik 提出，建立在统计学习理论基础上的一种新型机器学习算法，在滑坡易发评价中有些成功的应用[17-21].但 SVM 中参数和核函数的选择对SVM 的性能有重要影响.为了研究不同参数及核函数对 SVM 在滑坡易发评价中的影响，本研究应用不同参数及核函数的支持向量机算法进行湖南省靖州县的滑坡易发性评价，以期为 SVM 算法成功应用到滑坡易发评价提供理论依据.

1 研究区概况与数据预处理

1.1 研究区概况

图1 靖州县区位及滑坡点位

靖州县位于湖南省西南边陲(见图1)，怀化市南部，湘、黔两省交界地区，具体地理位置为111°16′～112°56′E，26°15′～26°47′N 之间，地处云贵高原东缘斜坡的山岳地带，既多崇山峻岭，又有丘陵，盆地交错，地貌多样.亚热带……