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
基于大数据的地震多发区域破坏程度估计模型设计
被引量:
4
1
作者
成桂兰
《地震工程学报》
CSCD
北大核心
2018年第3期604-611,共8页
传统基于GIS的地震破坏程度估计模型,对于大数据的分析和处理性能差,评估效果不够理想,所以要设计基于大数据的地震多发区域破坏程度估计模型。塑造的模型体系结构由数据服务层、业务模型层、应用展现层构成。模型由基础数据控制模块、...
传统基于GIS的地震破坏程度估计模型,对于大数据的分析和处理性能差,评估效果不够理想,所以要设计基于大数据的地震多发区域破坏程度估计模型。塑造的模型体系结构由数据服务层、业务模型层、应用展现层构成。模型由基础数据控制模块、地震危险性模块、结构破坏性模块、损失评估模块、决策控制模块、文档控制模块五大功能结构构成,设计直接经济损失模块的逻辑流程和页面展示结果。模块采用随机权神经网络实现大数据环境下地震灾害破坏程度快速评估。实验结果说明,所设计模型实现了大数据环境下地震多发区域破坏程度的有效评估,具有较高的评估效率和精度。
展开更多
关键词
大数据
地震多发区域
破坏程度
估计
模型
随机权
神经网络
下载PDF
职称材料
题名
基于大数据的地震多发区域破坏程度估计模型设计
被引量:
4
1
作者
成桂兰
机构
烟台职业学院信息工程系
出处
《地震工程学报》
CSCD
北大核心
2018年第3期604-611,共8页
基金
山东省科技发展项目(2014GGX3030)
文摘
传统基于GIS的地震破坏程度估计模型,对于大数据的分析和处理性能差,评估效果不够理想,所以要设计基于大数据的地震多发区域破坏程度估计模型。塑造的模型体系结构由数据服务层、业务模型层、应用展现层构成。模型由基础数据控制模块、地震危险性模块、结构破坏性模块、损失评估模块、决策控制模块、文档控制模块五大功能结构构成,设计直接经济损失模块的逻辑流程和页面展示结果。模块采用随机权神经网络实现大数据环境下地震灾害破坏程度快速评估。实验结果说明,所设计模型实现了大数据环境下地震多发区域破坏程度的有效评估,具有较高的评估效率和精度。
关键词
大数据
地震多发区域
破坏程度
估计
模型
随机权
神经网络
Keywords
big data
earthquake-prone area
damage degree
estimation
model
random weight
neural network
分类号
P315.9 [天文地球—地震学]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于大数据的地震多发区域破坏程度估计模型设计
成桂兰
《地震工程学报》
CSCD
北大核心
2018
4
下载PDF
职称材料
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