期刊导航
期刊开放获取
河南省图书馆
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
1
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式:
文摘
详细
列表
相关度排序
被引量排序
时效性排序
顾及InSAR形变的CNN滑坡易发性动态评估——以刘家峡水库区域为例
被引量:
3
1
作者
高秉海
何毅
+6 位作者
张立峰
姚圣
杨旺
陈毅
何旭
赵占骜
陈鹤升
《岩石力学与工程学报》
EI
CAS
CSCD
北大核心
2023年第2期450-465,共16页
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,InS...
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,InSAR)二维InSAR数据可反映滑坡在垂直和水平方向的形变特征。引入二维InSAR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InSAR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InSAR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InSAR形变因子可以提升滑坡易发性动态评估准确度。构建的CNN模型相比SVM方法评估结果更加可靠,在不同场景下更具有普适性和泛化能力。刘家峡水库区域高易发性主要分布于杨塔乡东北部山区、红泉镇以及三塬镇等区域,应加强实时监测。提出的顾及二维InSAR形变因子CNN滑坡易发性动态评估模型可为滑坡灾害预防提供新思路。
展开更多
关键词
边坡工程
滑坡易发性评估
二维时序InSAR
深度学习
CNN
原文传递
题名
顾及InSAR形变的CNN滑坡易发性动态评估——以刘家峡水库区域为例
被引量:
3
1
作者
高秉海
何毅
张立峰
姚圣
杨旺
陈毅
何旭
赵占骜
陈鹤升
机构
兰州交通大学测绘与地理信息学院
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
兰州交通大学、甘肃省地理国情监测工程实验室
自然资源部城市国土资源监测与仿真重点实验室
出处
《岩石力学与工程学报》
EI
CAS
CSCD
北大核心
2023年第2期450-465,共16页
基金
自然资源部城市国土资源监测与仿真重点实验室开放基金资助课题
甘肃省自然科学基金项目(2019M660092XB)
兰州交通大学“天佑青年托举人才计划”基金项目(221296)。
文摘
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,InSAR)二维InSAR数据可反映滑坡在垂直和水平方向的形变特征。引入二维InSAR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InSAR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InSAR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InSAR形变因子可以提升滑坡易发性动态评估准确度。构建的CNN模型相比SVM方法评估结果更加可靠,在不同场景下更具有普适性和泛化能力。刘家峡水库区域高易发性主要分布于杨塔乡东北部山区、红泉镇以及三塬镇等区域,应加强实时监测。提出的顾及二维InSAR形变因子CNN滑坡易发性动态评估模型可为滑坡灾害预防提供新思路。
关键词
边坡工程
滑坡易发性评估
二维时序InSAR
深度学习
CNN
Keywords
slope engineering
landslide susceptibility evaluation
2D time series InSAR
deep learning
CNN
分类号
P642 [天文地球—工程地质学]
原文传递
题名
作者
出处
发文年
被引量
操作
1
顾及InSAR形变的CNN滑坡易发性动态评估——以刘家峡水库区域为例
高秉海
何毅
张立峰
姚圣
杨旺
陈毅
何旭
赵占骜
陈鹤升
《岩石力学与工程学报》
EI
CAS
CSCD
北大核心
2023
3
原文传递
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部