Natural Hazards, Год журнала: 2022, Номер 113(1), С. 641 - 671
Опубликована: Март 29, 2022
Язык: Английский
Natural Hazards, Год журнала: 2022, Номер 113(1), С. 641 - 671
Опубликована: Март 29, 2022
Язык: Английский
Geocarto International, Год журнала: 2021, Номер 37(25), С. 9518 - 9543
Опубликована: Дек. 24, 2021
Landslides and other catastrophic environmental disasters pose a significant danger to environmental, infrastructure, people's lives. This research aimed construct four optimized ensemble machine learning algorithms for landslide susceptibility (LS) mapping, namely particle swarm optimization (PSO) based artificial neural network (ANN), random forest, M5P, support vector machine. The logistic regression (LR) model was then applied the four-ensemble generated hybrid model. receiver operating characteristics (ROC) curve used validate LS map. best of models depending on ROC's area under (AUC) is PSO-ANN (AUC-0.958) Also, LR model-based achieved better accuracy (AUC: 0.962) than Various resources, viz. grassland, built-up, scarce foliage, are declared as risk zones. Finally, elevation, soil-texture, slope, rainfall, road distance considered most sensitive parameters occurrences.
Язык: Английский
Процитировано
24Modeling Earth Systems and Environment, Год журнала: 2022, Номер 8(4), С. 4341 - 4357
Опубликована: Апрель 18, 2022
Язык: Английский
Процитировано
18Natural Hazards, Год журнала: 2023, Номер 120(2), С. 1343 - 1365
Опубликована: Окт. 24, 2023
Язык: Английский
Процитировано
10Bulletin of Engineering Geology and the Environment, Год журнала: 2024, Номер 83(6)
Опубликована: Май 11, 2024
Язык: Английский
Процитировано
3Natural Hazards, Год журнала: 2022, Номер 113(1), С. 641 - 671
Опубликована: Март 29, 2022
Язык: Английский
Процитировано
14