高寒山区矿山地质环境脆弱，受冰川活动和人类工程活动影响，地质灾害频发，严重制约矿山的高效开采和安全运营.地质灾害易发性研究是矿山防灾减灾和科学预警的必要手段.本研究以天山诺尔湖铁矿为例，采用J48决策树、逻辑模型树（LMT）和径向基函数分类器（RBFC）为代表的机器学习模型来预测高寒山区矿山地质灾害易发性.基于地质图、高分辨率遥感影像和现场调查，准备256个地质灾害点和12个孕灾环境因子建立地质灾害数据集，并将地质灾害随机划分为训练集（80%）和验证集（20%）;使用多重共线性诊断和信息增益进行因子的特征选择；最后利用受试者工作特征曲线下的面积(AUC)和统计指数(如Accuracy,简写为Acc)对比地质灾害易发性分区结果及模型的预测性能.结果显示：坡度、距道路距离和距河流距离是矿区地质灾害发生的主控因子.RBFC模型的预测能力最高(AUC=0.854,Acc=79.41%),其次是LMT(AUC=0.849,Acc=77.45%)和J48(AUC=0.819,Acc=75.49%).地质灾害高和极高易发区多分布于距道路和河流距离<1 000 m、距矿山工程和冰川距离<2 000 m的区域，3种模型生成的地质灾害易发性分区图均能表现矿山实际地质灾害分布状况.本研究可为矿山工程的选址以及土地利用规划提供科学参考，提高矿山地质安全评估及应急管理能力.

第二批“天池英才”引进计划；自治区高校基本科研业务费科研项目(XJEDU2024P026)；第三次新疆综合科学考察项目(2022xjkk1001)；

1 研究区概况及数据使用
1.1 研究区概况
1.2 地质灾害编录
1.3 地质灾害影响因子
1.3.1 地形因子
1.3.2 水文因子
1.3.3 地质因子
1.3.4 人类工程活动因子
1.3.5 环境因子
2 研究方法
2.1 准备训练和验证数据集
2.2 特征选择
2.2.1 多重共线性诊断
2.2.2 信息增益
2.3 地质灾害易发性评价模型
2.3.1 J48决策树
2.3.2 逻辑模型树(LMT)
2.3.3 径向基函数分类器(RBFC)
2.4 性能度量
3 地质灾害易发性评价结果与分析
3.1 地质灾害影响因子选择
3.2 地质灾害易发性制图
3.3 模型精度评估与比较
3.3.1 ROC曲线分析
3.3.2 统计指数
4 讨 论
4.1 选择因子的合理性分析
4.2 模型的可靠性探讨
4.3 地质灾害易发分区图分析
5 结 论

[1]黄军朋,张紫昭.基于机器学习的高寒山区矿山地质灾害易发性研究[J].中国矿业大学学报,2024,53(05):960-976.