滑坡易发性图 LSM(Landslide susceptibility map)为减灾决策者提供了有用的 工具。本文提出了一种新的基于混合块的神经网络模型(HBNN),用于产生高分辨 率的滑坡易发性图(LSM)。将专家模块结构和分治策略与遗传算法相结合,提出 了一种新的混合算法。然后,将引入的 HBNN 应用于伊朗北部桂兰(Guilan)省南 部,使用 14 个成因因子,包括地形地貌特征、地质构造因素以及水文、土地数据 和气候条件。利用跟踪调查的协同工作、航空照片的解译、在该地区进行的岩土工 程勘察以及野外调查,提供了滑坡调查图。为了深入研究,将提出的 HBNN 模型与 两种使用多层感知器(MLPs)和广义前馈神经网络(GFFN)的模型进行了比较。 利用受试者工作特性(ROC)曲线、统计误差指数、灵敏度和权重分析以及监测的 滑坡对生成的 LSM 进行了验证。基于比较指标,HBNN 预测成功率为 86.52%,成 功率为 90.15%,准确率-召回率曲线成功率为 89.36%,为今后滑坡易发性区划提供 了更为一致的工具。这意味着在为城市和土地利用规划者提供更高分辨率和更可靠 的滑坡易发性图 LSM 方面,开发的 HBNN 具有更高的能力。