顾及In SAR形变的CNN滑坡易发性动态评估——以刘家峡水库区域为例 |
| |
引用本文: | 高秉海,何毅,张立峰,姚圣,杨旺,陈毅,何旭,赵占骜,陈鹤升.顾及In SAR形变的CNN滑坡易发性动态评估——以刘家峡水库区域为例[J].岩石力学与工程学报,2023(2):450-465. |
| |
作者姓名: | 高秉海 何毅 张立峰 姚圣 杨旺 陈毅 何旭 赵占骜 陈鹤升 |
| |
作者单位: | 1. 兰州交通大学测绘与地理信息学院;2. 兰州交通大学地理国情监测技术应用国家地方联合工程研究中心;3. 兰州交通大学甘肃省地理国情监测工程实验室 |
| |
基金项目: | 甘肃省自然科学基金项目(2019M660092XB); |
| |
摘 要: | 已有的滑坡易发性评估方法所采用的滑坡因子多为静态数据(如地形,地质),缺乏动态数据(如地表形变),无法充分挖掘正在变形的滑坡特征,导致滑坡易发性评估可靠性较差。合成孔径雷达干涉测量(synthetic aperture radar interferometry,In SAR)二维In SAR数据可反映滑坡在垂直和水平方向的形变特征。引入二维In SAR形变数据作为动态因子,结合地形、地质、水文以及人文共计16种滑坡影响因子,构建卷积神经网络模型(convolutional neural network,CNN)进行滑坡易发性动态评估;采用多种评价指标来衡量模型精度,同时对比有无顾及二维In SAR因子的滑坡易发性评估结果,并与支持向量机(support vector machines,SVM)方法进行对比,此外,在不同场景进行应用。实验结果表明,顾及In SAR形变动态因子的多种评价指标整体精度有所提高,模型对正处于缓慢变形的滑坡易发性区域的识别具有良好的效果,在训练数据中,识别率由0.78提高至0.93;在验证数据中,识别率提升0.21,揭示出顾及二维In SAR形变因子可以提升滑坡...
|
关 键 词: | 边坡工程 滑坡易发性评估 二维时序In SAR 深度学习 CNN |
|
|