<div>
	基于神经网络的泥石流沟谷易发性预测
</div>

Please wait a minute...

主管单位：广东省科学技术厅
主办单位：广东省科技合作研究促进中心
编辑出版：《电脑与电信》编辑部
ISSN 1008-6609　CN 44-1606/TN
邮发代号：46-95
国内发行：广东省报刊发行局
《电脑与电信》唯一官方网站。

基于神经网络的泥石流沟谷易发性预测

云南省高校复杂系统建模及应用重点实验室

Prediction of Susceptibility of Mudslide Valleys Based on Neural Networks

Key Laboratory of Modeling and Application of Complex Systems in Universities of Yunnan Province

全文: PDF( KB)
输出: BibTeX | EndNote (RIS)

摘要

从泥石流沟谷地貌条件出发，借助数字高程模型（DEM）图，对泥石流沟谷发生泥石流的概率进行预测。首先将

泥石流沟谷的DEM图进行分类，分为发生过泥石流与未发生过两种；接着使用VGG与AlexNet 及其对应的残差这四种神经网

络对上述两种样本进行训练，实现4分类预测；最后通过结果对比，VGG能达到平均73.87%的预测正确率，其残差模型能够达

到平均74.88%的预测正确率，而AlexNet 与其残差的平均预测正确率仅有68%左右，实验结果表明VGG与其残差的整体性能

是优于AlexNet 与其残差的性能。

关键词 ：

泥石流, 数字高程模型, VGG , AlexNet , 残差, 预测

年卷期日期: 2022-06-10 出版日期: 2022-07-26

引用本文:

袁若浩王保云.

基于神经网络的泥石流沟谷易发性预测

[J]. 电脑与电信, 2022, 1(6): 5-.
YUAN Ruo-hao WANG Bao-yun.

Prediction of Susceptibility of Mudslide Valleys Based on Neural Networks

. Computer & Telecommunication, 2022, 1(6): 5-.

链接本文:

[1]	沈雅婷闫仪朱坤美刘冰冰. 倒置残差保留特征的YOLOv3的旗帜识别算法模型 [J]. 电脑与电信, 2023, 1(4): 5-.
[2]	王梓润王仟怡袁文佳王晓萌卫笑刘伟范修竹. 基于混合智能算法对销售量的预测研究 [J]. 电脑与电信, 2023, 1(3): 33-37.
[3]	王鹏程苏一水王茂发. 基于神经网络的面包智能溯源系统 [J]. 电脑与电信, 2022, 1(5): 19-.
[4]	李小红白伟丽. 基于EMD和RBFNN的冷负荷组合预测模型 [J]. 电脑与电信, 2022, 1(1-2): 75-80.

No Suggested Reading articles found!

Viewed

Full text

Abstract

Cited

Shared

Discussed