本研究旨在探讨使用人工神经网络(ANN)法制作滑坡易发性地图采用不同训 练算法的性能差别。为此,选择位于黑海西部(土耳其)的奥瓦哲克(Ovacık)地 区(卡拉比克(Karabük)省东南部)作为研究区域。共填制了 196 幅滑坡地图, 并编制了滑坡数据库。滑坡易发性分析考虑了地形高程、坡角、坡向、湿润度指数、 岩性特征、植被指数等参数。采用单隐层和双隐层两种不同的人工神经网络结构, 比较了人工神经网络的作用。神经网络模型的训练阶段采用了批反向传播、快速加 积、共轭梯度下降(CGD)和 Levenberg–Marquardt 四种不同的训练算法。因此, 利用不同的人工神经网络结构和算法,为研究区绘制了 8 张不同的滑坡易发性地图。 为了评估所采取的训练算法对神经网络模型的影响及其空间性能,采用了相对运行 特性法(ROC)和关系值(rij)法。由 CGD1 生成的滑坡易发性地图具有最高的 AUC 值(0.817)和 rij值(0.972)。对各种滑坡易发性地图的比较表明,CGD 训练 算法是所有其他算法中最慢的一种,但结果最符合实际情况。