本研究旨在探讨具有三种鲁棒优化算法(随机梯度下降法、均方根传播法及自 适应矩优化法)及两种损失函数的 Keras 深度学习模型在区域尺度上进行滑坡灾害 空间建模的能力。选取越南下隆(Ha Long)地区的浅层滑坡作为研究对象。 选取 193 个滑坡多边形和 10 个影响因子(坡度、坡向、曲率、地形湿度指数、土地利用、 与公路距离、与河流距离、土壤类型、与断层距离以及岩性),构建了研究区地理 信息系统(GIS)数据库。根据所收集的数据库,利用 DNN 可由数据隐层形成一个 决策边界,从而实现复杂功能制图的潜力,形成一个决策边界将学习空间划分为两 类:滑坡类(正类)和非滑坡类(负类)。实验结果表明,采用 Adam 优化和均方 差损失函数的 Keras 深度学习模型的预测性能最好,达到 84.0%。其性能优于随机 森林、J48 决策树、分类树和逻辑模型树的基准方法。本文的结果表明,Keras 的深 度学习模型是滑坡易发区浅层滑坡易发性分区的新工具。