期刊文献+
共找到1篇文章
< 1 >
每页显示 20 50 100
PSO-RBF神经网络在历史滑坡发育地区滑坡危险性预测中的应用 被引量:3
1
作者 张铎 《地理与地理信息科学》 CSCD 北大核心 2018年第4期118-124,共7页
如何行之有效地利用多源遥感资料对历史滑坡发育显著地区进行滑坡危险性预测,对于地质动力活跃的高山地区的滑坡灾害研究具有现实意义。该文以云南永胜、宾川县的滑坡危险性预测为案例,基于多源高分影像获取了615个滑坡,通过RapidEye立... 如何行之有效地利用多源遥感资料对历史滑坡发育显著地区进行滑坡危险性预测,对于地质动力活跃的高山地区的滑坡灾害研究具有现实意义。该文以云南永胜、宾川县的滑坡危险性预测为案例,基于多源高分影像获取了615个滑坡,通过RapidEye立体像对提取了5m精度的DEM,并结合研究区地质资料获取了9个滑坡影响因子(断层、水系、岩性、NDVI、坡度、坡向、地形起伏度、地表粗糙度、高程),然后利用TIN格网对滑坡及其影响因子数据进行空间属性集成,形成了可供模型预测的训练样本集。在考虑研究区滑坡发育特点的基础上,采用粒子群(PSO)优化RBF神经网络的学习算法,开发了以PSO-RBF神经网络为核心的滑坡危险性预测程序。在预测过程中,首先对各滑坡影响因子进行灰色关联分析(GRA),舍弃关联度较低的NDVI数据;然后分别利用PSO-RBF和BP神经网络对TIN训练样本集进行计算,获得研究区滑坡危险性预测结果。结果对比和ROC曲线评价显示,PSO-RBF神经网络预测效果良好,有效揭示了金沙江和断裂带对永胜、宾川地区滑坡发育的显著影响。 展开更多
关键词 滑坡影响因子 TIN格网 粒子群算法 RBF神经网络 滑坡危险性预测
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部