提供一种适用于实际空间点模式数据的复杂模型拟合工具箱，该方法基于对数高斯 Cox 过程，通过构建协变量来包含局部交互，包括模型比较和评估等方法，使用集成嵌套 Laplace 近似来加速推理任务。

Jan, 2013

本研究提出了一种动态滑坡易发性测绘方法，该方法采用多个预测模型进行年度滑坡易发性评估，并利用少量样本和渐变更新的方式进行元学习表示推断，使用 SHAP 进行模型解释和滑坡特征置换。此外，还应用 MT-InSAR 方法进行滑坡易发性结果增强和验证，在香港的大屿山地区进行了从 1992 年到 2019 年的全面动态滑坡易发性评估，结果表明，大屿山地区滑坡的主要触发因素是地形坡度和极端降雨，且滑坡原因的变化主要归因于全球气候变化和香港政府实施的滑坡预防和减灾项目（LPMitP）的影响。

Aug, 2023

本研究通过深度学习和极值理论模型，使用观测降雨诱发滑坡的 30 年清单数据，以及不同气候变化情景下多个回程期的数据，开发了一个统一模型来估计山体滑坡的灾害风险，结果显示该模型性能优异，能够以统一的方式建模滑坡灾害风险。在地貌上，我们发现在两个气候变化情景（SSP245 和 SSP885）下，喜马拉雅山脉下部地区的山体滑坡风险平均增加了两倍，中部地区保持不变，而上部地区略有减少。

Jan, 2024

通过利用 3D 滑坡拓扑结构，我们提出一种基于运动方式（滑动和流动）来识别滑坡失败类型的方法。我们发现滑坡的拓扑属性能够揭示质量运动机制的普遍特征，例如探测复杂滑坡中耦合运动方式之间的相似性。我们通过使用这些拓扑属性作为预测因子，能够在意大利、美国西北太平洋地区、丹麦、土耳其和中国等地的历史和具体事件的滑坡数据库中以 80 至 94％的准确性识别失败类型。此方法的实际应用可以显著提高滑坡预测模型和影响评估的性能，并通过滑坡拓扑形态的角度引入了研究滑坡形状以理解其潜在过程的新范式。

Oct, 2023

本文探讨了犯罪事件和安全事件数据的聚类机制，通过使用 Hawkes 过程和背景速率为高斯 Cox 进程的滤波算法，对芝加哥的财产犯罪数据、北爱尔兰和以色列的恐怖袭击数据以及伊拉克的平民伤亡数据进行了分析，量化了传染程度与独立历史相关性水平之间的不确定性。

Nov, 2013

采用不同的方法研究了统计学、机器学习和深度学习模型在预测滑坡易发性方面的可解释性，并比较了这些模型的准确性。结果表明，卷积神经网络模型在准确性方面表现最好，而极限梯度提升和支持向量机也具有强大的预测能力，优于传统的统计模型。然而，模型的解释能力因模型而异，尤其是在使用较广泛的 19 个贡献因素时。使用专门的 9 个触发因素增加了模型的可解释性，但降低了一些预测能力。

May, 2024

利用变分模态分解方法进行时间序列预测，可以更准确地预测滑坡表面位移。

Jul, 2023

研究了选择影响因素对机器学习模型和深度学习模型预测滑坡易发性的准确性的影响。考虑采用四种方法选择影响因素，并探讨了基于自动编码器的深度学习模型的因素选择方法。

Sep, 2023

使用多个分割模型和不同的数据集，构建一个集成模型来提高山体滑坡地貌图的制作精度。集成模型使用 Sentinel-1 和 Sentinel-2 波段结合，以及通过植被指数 dNDVI 的变化来构建一个健全可靠的监测系统。

Sep, 2023

通过使用 Interferometric Synthetic aperture radar (InSAR) 数据，我们介绍了一种新颖的具有正态流派生的随机变分推断方法，用于联合估计从噪声干扰的 InSAR 图像中的多个未观测危险和影响。

Oct, 2023