Bài viết Ứng dụng thuật toán rừng ngẫu nhiên trong xây dựng bản đồ nhạy cảm trượt lở khu vực sông huyện Văn Yên, Yên Bái được nghiên cứu với mục tiêu là xây dựng mô hình học máy phù hợp trong nghiên cứu trượt lở đất và xây dựng bản đồ tính nhạy cảm trượt lở cho huyện Văn Yên, tỉnh Yên Bái. | ỨNG DỤNG THUẬT TOÁN RỪNG NGẪU NHIÊN TRONG XÂY DỰNG BẢN ĐỒ NHẠY CẢM TRƯỢT LỞ KHU VỰC SÔNG HUYỆN VĂN YÊN YÊN BÁI Trương Xuân Quang Nguyễn Ngọc Hoan Trần Thị Hương Trường Đại học Tài nguyên và Môi trường Hà Nội Tóm tắt Mục tiêu của nghiên cứu này là xây dựng mô hình học máy phù hợp trong nghiên cứu trượt lở đất và xây dựng bản đồ tính nhạy cảm trượt lở cho huyện Văn Yên tỉnh Yên Bái. Thuật toán được lựa chọn sử dụng là thuật toán rừng ngẫu nhiên Random Forest . Các vị trí lở đất được chọn ngẫu nhiên trong tập hợp 302 điểm trượt lở trong đó 70 tương đương với 210 điểm trượt lở để huấn luyện và 30 92 điểm trượt lở để xác nhận tính chính xác của mô hình. Để xây dựng bản đồ nhạy cảm trượt lở dựa trên thuật toán rừng ngẫu nhiêu 11 yếu tố đã được nghiên cứu và đưa vào sử dụng các yếu tố đó là hướng dốc độ dốc mạng lưới sông suối đứt gãy địa chất địa chất NDVI đường giao thông chỉ số độ ẩm địa hình độ cong theo phương ngang độ cong theo phương đứng năng lượng dòng. Độ chính xác của mô hình dự vào Confuse Matrix kết quả cho thấy phương pháp có độ chính xác được xác định bằng phần diện tích bên dưới đường cong Areas Under Curves-AUC 0 903. Có 05 yếu tố ảnh hưởng quan trọng đến trượt lở đất đó là đường giao thông địa chất hướng dốc góc dốc và độ ẩm ướt địa hình. Từ khóa Bản đồ phân vùng trượt lở đất Văn Yên Yên Bái Rừng ngẫu nhiên. Abstract Landslide susceptibility mapping using random forest model a case studies in the Van Yen Yen Bai province The goal of this study is to investigate a suitable machine learning model in landslide study and to build a landslide susceptibility map for the study area Van Yen district Yen Bai province . For this purpose a random forest model was selected to study for this study area. All landslides were randomly selected from 302 landslides in which 70 210 landslides of dataset for training and the 30 92 landslides for validation accuracy of the model. In order to prepare landslide susceptibility map based on random forest model 11 factors were .
