面向滑坡危险性评价的深度一维卷积神经网络方法——以四川省芦山县为例
滑坡灾害威胁着人类生命财产安全.因此,准确地评价滑坡危险性对于灾害分析至关重要.目前常见的机器学习方法不能提取更深层次的数据特征,难以获得高质量的滑坡危险性评价图.因此,论文提出一种面向滑坡危险性评价的深度一维卷积神经网络方法,以期利用卷积神经网络强大的表征学习能力获得更高精度的评价结果.以滑坡灾害多发的四川省芦山县为例,选择2016年346个历史滑坡数据用于模型的训练和验证.为了验证模型的有效性和精度,实验将支持向量机模型、信息量模型与一维卷积神经网络模型进行对比分析,并将其应用于芦山县全区滑坡危险性评价.结果 上,一维卷积神经网络和支持向量机的总体精度分别为0.9015和0.842,而一维卷积神经网络、支持向量机、信息量模型的AUC值分别为0.888、0.876、0.818.结果 表明:一维卷积神经网络模型精度较高,在数据拟合度和评价效果上优于支持向量机模型、信息量模型,可以有效地应用于滑坡危险性评价.
滑坡灾害、卷积神经网络、支持向量机、滑坡危险性评价、机器学习
30
TU4;X4;X9(土力学、地基基础工程)
四川省科技计划2019YFG0187
2021-08-02(万方平台首次上网日期,不代表论文的发表时间)
共8页
191-198