建筑工程学院黄发明博士(副教授)团队在地灾工程勘察、遥感解译和GIS空间分析基础上，研究了大数据驱动下的区域滑坡地灾易发性预测建模难题。创新地提出了半监督多层感知器(Semi—Supervised Multiple-layer Perceptron, SSMLP)模型实现滑坡易发性的准确制图。

该系列成果以江西赣州等地的降雨型土质滑坡为研究对象。首先对启发式、常规统计及机器学习预测滑坡易发性作对比，提出易发性指数的均值、标准差和差异显著性等指标来衡量建模不确定性，揭示了MLP等先进机器学习的工程应用有效性，相关成果《Comparisons of heuristic, general statistical and machine learning models for landslide susceptibility prediction and mapping》2020年发表在CATENA期刊(中科院一区，IF=5.198)上，当年入选SCI热点论文。

黄发明博士进一步从全监督和非监督学习的角度出发探索各类机器学习的优缺点，建立了滑坡与其孕灾环境因子间的非线性关联。相关成果《Landslide Susceptibility Prediction Based on Remote Sensing Images and GIS: Comparisons of Supervised and Unsupervised Machine Learning Models》2020年发表在Remote Sensing期刊(中科院二区，IF=4.848)上，入选SCI高被引论文。提出SSMLP模型克服建模中“非滑坡样本”难以准确选择和“滑坡样本”缺失或分布不均衡的关键科学问题。相关成果《Landslide susceptibility prediction based on a semi-- supervised multiple-layer perceptron model》2021年发表在Landslides期刊(中科院一区，IF=6.578)上。

黄发明博士发表的三篇论文受到国家自然科学青年基金(NO.41807285)资助，截止日前在Google数据库中总被引达138次。黄发明博士2019年在周创兵教授指导下开展博士后研究，2020年入选江西省首批培养类科技创新高端人才(青年)项目。论文网络链接依次如下：

(1) https://www.sciencedirect.com/science/article/abs/pii/S0341816220301302

(2) https://www.mdpi.com/2072-4292/12/3/502

(3) https://link.springer.com/article/10.1007%2Fs10346-020-01473-9