利用深度学习模型进行城市内涝影响分析
城市内涝是当前典型的一类城市自然灾害,影响着居民的生活质量.以城市内涝点作为研究对象,综合考虑内涝对城市居民工作和生活等方面造成的影响,筛选出与影响程度相关的21类空间数据.同时,基于深度学习原理构建栈式自编码神经网络模型,结合层次分析法获取的内涝点影响程度标签,剖析21类空间数据与内涝点对居民工作生活影响程度的关系,实现城市内涝对居民工作和生活影响的定量分析.实验表明,栈式自编码神经网络模型能准确地描述内涝点周围的系列空间数据与内涝影响程度之间的关系,可有效预测潜在内涝点对居民工作和生活的影响程度大小,可用于城市防洪排涝方案的制定和排水管网的优化设计.
深度学习、城市内涝、栈式自编码神经网络、层次分析法
44
P208(一般性问题)
国家重点研发计划战略性国际科技创新合作重点专项2016YFE0202300;广州市科技计划201604020070;武汉市晨光计划2016070204010114;湖北省重点研发计划2016AAA018;国家自然科学基金51508422,41771454
2019-03-07(万方平台首次上网日期,不代表论文的发表时间)
共7页
132-138