基于元启发式(metaheuristic)特征选择方法与机器学习(machine learning, ML)算法结合的泥石流(debris flow)易发性评估中模型对比研究

《Geomatics, Natural Hazards and Risk》：Comparison of machine learning algorithms combined with metaheuristic-based feature selection methods for debris flow susceptibility assessments

　　

摘要：从大样本集中为机器学习算法选取最优特征具有挑战性，尤其在泥石流(debris flow)易发性(susceptibility)研究中。本研究提出结合机器学习算法与特征选择(feature selection, FS)方法的新型混合模型，用于评估中国迭部县(Diebu County)的泥石流事件。研究共考虑18个影响因子及195处泥石流点，引入三种元启发式(metaheuristic)算法——粒子群优化(particle swarm optimization, PSO)、灰狼优化器(grey wolf optimizer, GWO)和鲸鱼优化算法(whale optimization algorithm, WOA)——分别为两种传统机器学习方法即支持向量机(support vector machine, SVM)和随机森林(random forest, RF)选取最优因子，构建六种混合模型：PSO-SVM、GWO-SVM、WOA-SVM、PSO-RF、GWO-RF和WOA-RF。研究人员采用受试者工作特征(receiver operating characteristic, ROC)曲线及五项统计指标评估所建模型效能，并引入Wilcoxon符号秩检验(Wilcoxon signed-rank test)和箱线图(boxplots)展示模型间统计学差异。结果表明混合模型显著优于常规模型，且混合模型所选因子数及执行时间均明显低于初始数据集。本研究证实了元启发式算法作为泥石流易发性评估预处理步骤的效率与有效性。

论文解读：基于元启发式特征选择与机器学习结合的泥石流易发性评估模型对比研究

该研究发表于《Geomatics, Natural Hazards and Risk》。泥石流(debris flow)是山区常见地质灾害，其形成机制复杂，早期预警与易发性制图(debris flow susceptibility mapping, DFSM)对防灾减灾至关重要。传统统计方法难以处理影响因子与灾害间的非线性关系，而机器学习(machine learning, ML)算法虽具优势，但原始高维数据中存在的冗余或无关特征会降低模型精度并增加计算耗时。全子集遍历搜索最优特征组合在计算上不可行（18个因子对应2¹⁸种组合）。元启发式算法(metaheuristic algorithm, MA)因能在有限迭代内搜索较优特征子集而被引入各类分类问题，但PSO、GWO、WOA三种典型MA结合ML应用于DFSM的效果尚缺乏系统比较与评估。为此，研究人员以甘肃迭部县为研究区，构建六种MA–ML混合模型并与常规SVM、RF对比，系统评价MA特征选择对DFSM模型精度及效率的提升作用。

研究人员选取研究区195个历史泥石流沟域单元与等量非泥石流单元（共390个，按流域(watershed)为基本单元），提取18个影响因子（高程(elevation)、坡度(slope)、坡向(aspect)、平面曲率(plan curvature)、剖面曲率(profile curvature)、相对高差(relative height difference, RHD)、地表粗糙度(surface roughness, SR)、下切深度(depth of cut, DC)、流域面积(watershed area, WA)、归一化植被指数(normalized difference vegetation index, NDVI)、水流功率指数(stream power index, SPI)、地形湿度指数(topographic wetness index, TWI)、降雨(rainfall)、距河流距离(distance to river, DRi)、距断层距离(distance to fault, DF)、岩性(lithology)、距道路距离(distance to road, DRo)及土地利用(land use, LU)），经频率比(frequency ratio, FR)量化后做多重共线性分析（方差膨胀因子(variance inflation factor, VIF)<10，容差(tolerance, TOL)>0.1，无多重共线性）。数据集按7∶3划分为训练集与验证集。三种MA（种群规模=18，最大迭代=100）以融合分类错误率与所选特征数的比例构造适应度函数(fitness function, W_e=0.9)，对SVM（径向基核函数(radial basis function, RBF)，γ与C由网格搜索与5折交叉验证确定）和RF（树数=500，最大节点深度=10，Gini指数分裂）进行特征选择。模型评估采用ROC曲线下面积(area under the curve, AUC)、准确率(accuracy)、灵敏度(sensitivity)、精确率(precision)、F1值(F1-score)及Kappa系数，并以Wilcoxon符号秩检验和箱线图做统计差异分析，最终生成五级易发性分区图。

3.1. Multicollinearity analysis results

VIF最大值3.551（SR因子），TOL最小值0.282，所有因子VIF<10且TOL>0.1，表明18个影响因子间无显著多重共线性，均可作为SVM和RF的输入变量。

3.2. FR results

FR>1表示该因子类别与泥石流发生呈正相关。低海拔（<2949 m）、大RHD（>938 m）、较小平面曲率（<26.38）与剖面曲率（<12.37）、较小SR（<1.20）与DC（<19.59）、较大WA（>3.44 km²）、中等NDVI（0.63–0.85）、中等SPI（1.96–3.82）与TWI（5.58–7.40）、年降雨量524–669 mm、近河（<889 m）、近断层（<1565 m）、变质岩（metamorphites, FR=2.154）、农林地及近路（<3017 m）的FR>1，与泥石流空间分布吻合。

3.3 Model comparison

训练阶段：WOA-SVM的AUC最高（0.939），其次为GWO-SVM（0.928）、PSO-SVM（0.926）、SVM（0.884）；WOA-RF的AUC最高（0.940），其次GWO-RF（0.937）、PSO-RF（0.926）、RF（0.861）。验证阶段：WOA-SVM的AUC=0.934，WOA-RF的AUC=0.940，均高于对应常规模型（SVM=0.874，RF=0.862）及其他混合模型。混合模型验证集准确率（0.907–0.9145）高于常规模型（<0.870）；灵敏度、精确率、F1值（>0.900）及Kappa值（0.814–0.831）均优于常规模型（SVM Kappa=0.678，RF Kappa=0.729）。表明MA特征选择显著提升SVM和RF的预测性能。

3.4 Further analyzes

100次运行统计：MA混合模型平均准确率及最大值高于常规模型，但因随机策略标准差较大。收敛曲线显示MA混合模型较常规模型收敛更快，RF基混合模型略快于SVM基，PSO收敛最快。特征选择结果：PSO-SVM选11个、GWO-SVM选9个、WOA-SVM选10个、PSO-RF选10个、GWO-RF选10个、WOA-RF选12个；被所有MA模型共同选中的高频因子为高程、WA、rainfall、DRi，表明其为研究区关键影响因子。特征权重分析同样显示上述四因子重要性最高。Wilcoxon符号秩检验z=-6.154（>1.96），p<0.0001，拒绝无差异原假设，箱线图显示MA模型适应度值(fitness value)显著低于（优于）常规模型。平均执行时间：SVM系列140–146 s，RF系列72–88 s，MA混合模型执行时间短于对应常规模型，证实特征约简可加速分类。

3.5. Debris flow susceptibility assessment

五级易发性分区（极高、高、中、低、极低）显示：常规SVM模型极高+高易发区占22.04%（含153个历史泥石流点），MA-SVM混合模型占29.26%–36.14%（含185–192个点）；常规RF占28.43%（185个点），MA-RF混合模型占26.99%–35.12%（≥187个点）。绝大多数历史泥石流分布于高、极高易发区，尤其沿白龙江沿岸分布，印证混合模型易发性图与实际情况更吻合。

讨论与结论（翻译浓缩）

准确可靠的DFSM对山区泥石流防灾至关重要。本研究创新性地采用PSO、GWO、WOA三种MA为SVM和RF做特征选择，以兼顾特征数与精度的适应度函数引导搜索，经5折交叉验证确定参数。多重共线性检验保留全部18因子。MA混合模型AUC>0.90，显著优于常规模型，所选特征数降至9–12个且执行时间缩短。各MA选出的最优子集不完全相同，但高程、WA、rainfall、DRi被所有模型选中，反映其关键致灾作用。MA的随机性使混合模型精度波动大于常规模型。易发性图中混合模型高易发区与实际泥石流分布匹配度更高。局限性包括未引入遗传算法(genetic algorithm, GA)等其它MA、样本量偏小（195处泥石流）、结果具区域局限性，建议在更大样本多区域中验证。结论：将PSO、GWO、WOA等MA用于DFSM的特征选择预处理可有效剔除冗余因子、提升ML模型精度与效率，其中WOA-RF与WOA-SVM在该研究区表现最佳；MA结合ML是泥石流易发性评估中高效且有效的建模范式。