基于径向基神经网络耦合确定性指数的滑坡易发性分区研究

滑坡易发性分区是预测滑坡的有效方法。利用径向基神经网络模型(RBFNN模型)耦合确定性指数(CF指数)构建混合模型(RBFNN-CF模型),开展陕西省汉中市城固县滑坡易发性分区研究。首先选取坡度、坡向、平面曲率、剖面曲率、高程、年平均降雨量、道路缓冲区、水系缓冲区、断层缓冲区、NDVI和地层岩组作为滑坡诱发因子,计算对应的CF指数并量化诱发因子;其次将野外调查的184个滑坡数据按照7∶3的比例划分为训练数据和测试数据,分别利用RBFNN-CF和RBFNN模型绘制滑坡易发性分区图;最后利用受试者工作特征曲线(ROC曲线)下的面积评估和对比分区的结果及模型的分类能力。结果表明:RBFNN-CF模型的分类能力和泛化性均强于RBFNN模型,值得在研究区推广,得到的滑坡易发性分区图可为当地的滑坡防治工作提供参考。

不同领域科学家影响力评价文献回顾及实证分析

[目的/意义]如何建立一套科学、客观的评价体系,用于科研管理部门对科研人员的遴选,成为科研管理的一项必要且基础的工作。[方法/过程]通过比较目前国外对不同领域科学家评价的方法,构建了科研人才发表论文被引和引用参考文献评价指数,并进行了实证分析。[结果/结论]SNCS指数将作者所在的学科进行标准化运算,修正不同学科期刊引用行为的影响,考虑了作者在发文文献中的排名,更为客观的评价了不同学科学者科研绩效。

两种概率模型在滑坡敏感性分析中的应用及比较——以甘肃省天水市罗玉沟为例

滑坡敏感性分析是对一个地区孕灾禀赋的评价,在缺少时间序列观测资料地区,敏感性分析往往比危险性分析更具科学性。CF指数与信息量模型是敏感性分析中的两种概率模型,文中运用以上两种模型对天水市罗玉沟流域滑坡作了敏感性分析,在对模拟结果进行验证的基础上得出,两种模型都表现出了较好的模拟结果,但较之CF指数,信息量模型具有更高的分析精度。根据完整滑坡数据生成了研究区的敏感性分布图,结果显示研究区敏感性出现了明显的空间分异格局:流域中下游敏感性高而上游敏感性低,主沟南岸敏感性高而北岸敏感性低。最后结合研究区水文地质条件,分析了这种格局的形成原因。