共查询到10条相似文献,搜索用时 93 毫秒
1.
一种结合SMOTE和卷积神经网络的滑坡易发性评价方法 总被引:1,自引:0,他引:1
《武汉大学学报(信息科学版)》2020,(8)
大规模的人类工程活动诱发和加剧了滑坡灾害的致灾情况,严重威胁工程安全和环境安全。滑坡易发性评价是滑坡监测预警的关键技术。针对传统滑坡监测手段数据源有限、缺乏挖掘滑坡灾害空间分布特征及其诱发因素的有效方法等问题,以位于三峡库区的中国重庆市万州区为研究区,基于地形、地质和遥感影像等多源数据,首先提取了22个滑坡易发性评价因子,并对这些因子进行多重共线性检验;然后采用合成少数类过采样技术(synthetic minority oversampling technique, SMOTE)解决滑坡和非滑坡样本比例不平衡问题,建立输入训练集;最后构建卷积神经网络(convolutional neural networks,CNN)模型,定量预测滑坡易发性,生成滑坡易发性分区图。采用受试者工作特征曲线分析评价结果,测试数据集模型精度达89.50%,说明该模型是一种高性能的滑坡易发性评价方法。 相似文献
2.
滑坡敏感性评价是地质灾害预测预报的关键环节。针对BP神经网络易陷入局部最小值、收敛速度慢等问题,该文以三峡库区秭归县境内为研究区,采用粒子群优化(PSO)算法对BP神经网络的初始权值和阈值进行优化,构建PSO-BP神经网络滑坡敏感性预测模型,实现研究区滑坡敏感性评价。采用受试者工作特征曲线分析模型预测精度,得到PSO-BP神经网络预测精度为0.931,预测结果与实际滑坡总体空间分布具有良好的一致性,且预测能力优于BP神经网络。实验结果表明,PSO-BP神经网络耦合模型在实现滑坡敏感性评价上具有理想的预测精度和良好的适用性。 相似文献
3.
受季节降雨波动和邻近点位的牵引作用影响,滑坡位移呈阶梯状变化趋势。为有效预测该类滑坡的位移,本文提出一种基于注意力机制的双向长短时记忆(Bi-LSTM)神经网络位移预测模型。首先,建立滑坡监测累计位移时间序列模型,将滑坡累计位移分解为趋势项和周期项;然后,分析滑坡因子与趋势项及周期项的相关性,采用多项式回归对趋势项进行拟合,通过基于注意力机制的Bi-LSTM对周期项进行预测。试验结果表明:基于注意力机制的Bi-LSTM预测模型具有稳健的泛化能力,能有效捕获不同时序数据间的相关性;预测结果精度平均绝对误差为0.088 mm,平均均方误差为0.042 mm,相比常规的长短时记忆(LSTM)神经网络模型,本文方法的预测结果精度更高。 相似文献
4.
《武汉大学学报(信息科学版)》2021,(10)
中国西部山区灾难性滑坡事件频繁发生,滑坡敏感性分析已成为灾前科学预警和主动防范的必要手段。传统滑坡敏感性分析方法中单一知识驱动模型对滑坡灾害环境因子定权主观性强,数据驱动模型过分依赖样本数据的质量及数量。针对上述问题,提出了一种环境因子空间关联特征与启发式模糊逻辑模型耦合的区域滑坡敏感性分析方法,通过灾害环境因子滑坡频率比与信息熵权等空间统计指标,显式描述滑坡灾害环境因子的贡献度与空间分布特征,以此约束多因子耦合的区域滑坡敏感性计算。选择中国重庆市奉节县内的灾害多发地带进行验证评估,实验结果表明,所提方法优于单一的信息量模型、信息量-逻辑回归模型方法。 相似文献
5.
6.
7.
8.
本文介绍了网络分析法基本原理及计算方法,并采用其模型原理,对构成滑坡灾害的地层岩性、坡度、坡向、植被覆盖、河网缓冲、高程等多个评价因子进行了分析和叠合评价。通过分析专家评定所需滑坡评价因子间复杂的关系,得到了庐山风景区滑坡灾害风险等级图,且评价结果与该区调查滑坡资料的分布情况吻合,为滑坡预警和滑坡治理提供了科学依据。 相似文献
9.
10.
滑坡变形程度是判断处治后滑坡是否稳定的关键评价指标,开展处治后滑坡变形预测可提前掌握滑坡稳定性情况,有利于滑坡失稳风险分析,便于开展地质灾害防灾减灾工作。为了准确预测处治后滑坡变形情况,本文提出了一种采用鸟群算法(BSA)优化BP神经网络的滑坡变形预测方法,借助BSA-BP神经网络构建了广西某高速公路滑坡变形预测模型,对比分析了BSA-BP神经网络与BP神经网络的预测结果。结果表明,BSA-BP神经网络预测结果的均方误差和相关系数分别为0.053 4和0.997 6,BP神经网络预测结果的均方误差和相关系数分别为2.225 6和0.968,鸟群算法可有效提高BP神经网络模型的预测精度,能有效应用于处治后滑坡变形预测,研究结果可为处治后滑坡失稳风险预测提供参考。 相似文献