随着滑坡反复发生带来的威胁越来越大,滑坡易发性图有助于我们了解二次滑 坡及其规模。本文探讨了一种用于滑坡易发性预测的空间直观深度学习(DL)神经 网络模型,以及这种模型的开发和验证。根据越南穆雷(Muong Lay)地区的 217 次滑 坡事件,建立了一个地理空间数据库,导出了一组 9 个滑坡条件因子。并采用 Relief-F 特征选择算法,量化了这些条件因子在滑坡预测建模中的效用。一些性能指标表明, DL 模型在与训练数据集的拟合优度(AUC=0.90;精度=82%;RMSE=0.36)和预 测二次滑坡的能力(AUC=0.89;精度=82%;RMSE=0.38)方面均表现良好。并与 二次判别分析、Fisher 线性判别分析和多层感知器神经网络进行了比较。利用 Wilcoxon 符号秩检验进行的对比分析表明,与其他模型相比,空间直观 DL 模型在 滑坡预测方面有显著的优势。本研究成果对滑坡预测模型的发展和滑坡易发区的空 间确切评价具有一定的参考价值。