本文对伊朗境内的多起滑坡事件进行了聚类分析,并从国家和集群两个层面对 其潜在驱动力进行了研究。在考虑 12 个条件因子的情况下,采用上下文神经网络 (Contextual Neural Gas,简称 CNG)算法,将伊朗境内的所有滑坡聚类为 9 个性 质相对一致的集群(Clusters)。接着,使用随机森林(Random Forest,简称 RF) 算法,在国家层面和集群层面对其潜在驱动力进行排名。本文的研究结果表明,每 个集群内滑坡发生的机制各不相同;从国家层面分析滑坡发生的驱动力则又不同于 集群层面。此外,坡度、海拔、年平均降雨量和到主要道路的距离被确定为所有集 群内引发滑坡的最重要原因。因此,为了在一个大的范围上有效管理滑坡以及对滑 坡进行模拟,应考虑有效因素功能的变化。