基于人工神经网络模型的福建南平市滑坡危险性评价

基于人工神经网络模型的福建南平市滑坡危险性评价

P694; 滑坡灾害持续影响着人民生命财产安全和地区社会经济可持续发展,滑坡危险性评价能够为防灾减灾和区域规划提供有效的理论依据.以福建省南平市为研究区,区内1711个历史滑坡灾害点,选择高程、坡度、坡向、曲率、地质岩性、土壤类型、降雨、水系、土地利用类型、公路和铁路共11个影响因子构成基本评价体系.使用Spearman相关系数对各因子进行共线性分析.基于1 711个滑坡样本和1 711个随机选取的非滑坡样本数据,利用人工神经网络模型对研究区进行了滑坡危险性评价,并利用混淆矩阵和接收者操作特征曲线(ROC)对模型进行验证.结果表明:混淆矩阵精度84.91％,ROC曲线下面积AUC值0.93,说...

Ausführliche Beschreibung

Gespeichert in:
Bibliographische Detailangaben
Veröffentlicht in:中国地质灾害与防治学报 2022-04, Vol.33 (2), p.133-140
Hauptverfasser: 陈水满, 赵辉龙, 许震, 谢伟, 刘亮, 李全悦
Format: Artikel
Sprache:chi
Online-Zugang:Volltext
Tags: Tag hinzufügen
Keine Tags, Fügen Sie den ersten Tag hinzu!
container_end_page 140
container_issue 2
container_start_page 133
container_title 中国地质灾害与防治学报
container_volume 33
creator 陈水满
赵辉龙
许震
谢伟
刘亮
李全悦
description P694; 滑坡灾害持续影响着人民生命财产安全和地区社会经济可持续发展,滑坡危险性评价能够为防灾减灾和区域规划提供有效的理论依据.以福建省南平市为研究区,区内1711个历史滑坡灾害点,选择高程、坡度、坡向、曲率、地质岩性、土壤类型、降雨、水系、土地利用类型、公路和铁路共11个影响因子构成基本评价体系.使用Spearman相关系数对各因子进行共线性分析.基于1 711个滑坡样本和1 711个随机选取的非滑坡样本数据,利用人工神经网络模型对研究区进行了滑坡危险性评价,并利用混淆矩阵和接收者操作特征曲线(ROC)对模型进行验证.结果表明:混淆矩阵精度84.91％,ROC曲线下面积AUC值0.93,说明模型具有较高精度和预测率.使用自然间断法将滑坡危险性分为5个等级,结果表明研究区内危险性最高地区位于延平区和浦城县,顺昌县和松溪县次之,其余地区多为低危险区和较低危险区.研究结果可为当地区域规划和防灾减灾工程提供一定的理论依据和科学指导.
doi_str_mv 10.16031/j.cnki.issn.1003-8035.2022.02-16
format Article
fullrecord <record><control><sourceid>wanfang_jour</sourceid><recordid>TN_cdi_wanfang_journals_zgdzzhyfzxb202202016</recordid><sourceformat>XML</sourceformat><sourcesystem>PC</sourcesystem><wanfj_id>zgdzzhyfzxb202202016</wanfj_id><sourcerecordid>zgdzzhyfzxb202202016</sourcerecordid><originalsourceid>FETCH-LOGICAL-s706-67c2426a48597f1b7f6828e4ebb0c313f47af8d8cf20793bad84d4d84006735c3</originalsourceid><addsrcrecordid>eNo9j7tKA0EYhadQMMQ8iOCu_1x2ZlJKiBcI2KQPe8nEjbKCi6hbiaSTGFIFRSMp4qUSsYju4tvs7OhbGFFszoGvOB8HoRUMNuZA8VrX9qO90A7jOLIxALUkUMcmQIgNxMJ8AZX-8RKqxHHoAeWMMkpICdX1XZqnl3ma6tnUTMcmG5iPocluiseJHl-Y6565H-gs1f2Rfn_Vb-dFNtS3E91_-bp6Ks4ePp97eTZbRovK3Y_blb8uo-ZGvVnbsho7m9u19YYVC-AWFz5hhLtMOlWhsCcUl0S2WdvzwKeYKiZcJQPpKwKiSj03kCxg8wDggjo-LaPV39ljN1Ju1Gl1D44Oo7mwlXSCJNk9VcmJ9_McCGBOvwEFSmyC</addsrcrecordid><sourcetype>Aggregation Database</sourcetype><iscdi>true</iscdi><recordtype>article</recordtype></control><display><type>article</type><title>基于人工神经网络模型的福建南平市滑坡危险性评价</title><source>DOAJ Directory of Open Access Journals</source><creator>陈水满 ; 赵辉龙 ; 许震 ; 谢伟 ; 刘亮 ; 李全悦</creator><creatorcontrib>陈水满 ; 赵辉龙 ; 许震 ; 谢伟 ; 刘亮 ; 李全悦</creatorcontrib><description>P694; 滑坡灾害持续影响着人民生命财产安全和地区社会经济可持续发展,滑坡危险性评价能够为防灾减灾和区域规划提供有效的理论依据.以福建省南平市为研究区,区内1711个历史滑坡灾害点,选择高程、坡度、坡向、曲率、地质岩性、土壤类型、降雨、水系、土地利用类型、公路和铁路共11个影响因子构成基本评价体系.使用Spearman相关系数对各因子进行共线性分析.基于1 711个滑坡样本和1 711个随机选取的非滑坡样本数据,利用人工神经网络模型对研究区进行了滑坡危险性评价,并利用混淆矩阵和接收者操作特征曲线(ROC)对模型进行验证.结果表明:混淆矩阵精度84.91％,ROC曲线下面积AUC值0.93,说明模型具有较高精度和预测率.使用自然间断法将滑坡危险性分为5个等级,结果表明研究区内危险性最高地区位于延平区和浦城县,顺昌县和松溪县次之,其余地区多为低危险区和较低危险区.研究结果可为当地区域规划和防灾减灾工程提供一定的理论依据和科学指导.</description><identifier>ISSN: 1003-8035</identifier><identifier>DOI: 10.16031/j.cnki.issn.1003-8035.2022.02-16</identifier><language>chi</language><publisher>中国科学院海西研究院泉州装备制造研究所,福建泉州 362000%中国科学院海西研究院泉州装备制造研究所,福建泉州 362000%上海华测导航技术股份有限公司,上海 201702</publisher><ispartof>中国地质灾害与防治学报, 2022-04, Vol.33 (2), p.133-140</ispartof><rights>Copyright © Wanfang Data Co. Ltd. All Rights Reserved.</rights><lds50>peer_reviewed</lds50><woscitedreferencessubscribed>false</woscitedreferencessubscribed></display><links><openurl>$$Topenurl_article</openurl><openurlfulltext>$$Topenurlfull_article</openurlfulltext><thumbnail>$$Uhttp://www.wanfangdata.com.cn/images/PeriodicalImages/zgdzzhyfzxb/zgdzzhyfzxb.jpg</thumbnail><link.rule.ids>314,780,784,864,27924,27925</link.rule.ids></links><search><creatorcontrib>陈水满</creatorcontrib><creatorcontrib>赵辉龙</creatorcontrib><creatorcontrib>许震</creatorcontrib><creatorcontrib>谢伟</creatorcontrib><creatorcontrib>刘亮</creatorcontrib><creatorcontrib>李全悦</creatorcontrib><title>基于人工神经网络模型的福建南平市滑坡危险性评价</title><title>中国地质灾害与防治学报</title><description>P694; 滑坡灾害持续影响着人民生命财产安全和地区社会经济可持续发展,滑坡危险性评价能够为防灾减灾和区域规划提供有效的理论依据.以福建省南平市为研究区,区内1711个历史滑坡灾害点,选择高程、坡度、坡向、曲率、地质岩性、土壤类型、降雨、水系、土地利用类型、公路和铁路共11个影响因子构成基本评价体系.使用Spearman相关系数对各因子进行共线性分析.基于1 711个滑坡样本和1 711个随机选取的非滑坡样本数据,利用人工神经网络模型对研究区进行了滑坡危险性评价,并利用混淆矩阵和接收者操作特征曲线(ROC)对模型进行验证.结果表明:混淆矩阵精度84.91％,ROC曲线下面积AUC值0.93,说明模型具有较高精度和预测率.使用自然间断法将滑坡危险性分为5个等级,结果表明研究区内危险性最高地区位于延平区和浦城县,顺昌县和松溪县次之,其余地区多为低危险区和较低危险区.研究结果可为当地区域规划和防灾减灾工程提供一定的理论依据和科学指导.</description><issn>1003-8035</issn><fulltext>true</fulltext><rsrctype>article</rsrctype><creationdate>2022</creationdate><recordtype>article</recordtype><recordid>eNo9j7tKA0EYhadQMMQ8iOCu_1x2ZlJKiBcI2KQPe8nEjbKCi6hbiaSTGFIFRSMp4qUSsYju4tvs7OhbGFFszoGvOB8HoRUMNuZA8VrX9qO90A7jOLIxALUkUMcmQIgNxMJ8AZX-8RKqxHHoAeWMMkpICdX1XZqnl3ma6tnUTMcmG5iPocluiseJHl-Y6565H-gs1f2Rfn_Vb-dFNtS3E91_-bp6Ks4ePp97eTZbRovK3Y_blb8uo-ZGvVnbsho7m9u19YYVC-AWFz5hhLtMOlWhsCcUl0S2WdvzwKeYKiZcJQPpKwKiSj03kCxg8wDggjo-LaPV39ljN1Ju1Gl1D44Oo7mwlXSCJNk9VcmJ9_McCGBOvwEFSmyC</recordid><startdate>20220401</startdate><enddate>20220401</enddate><creator>陈水满</creator><creator>赵辉龙</creator><creator>许震</creator><creator>谢伟</creator><creator>刘亮</creator><creator>李全悦</creator><general>中国科学院海西研究院泉州装备制造研究所,福建泉州 362000%中国科学院海西研究院泉州装备制造研究所,福建泉州 362000%上海华测导航技术股份有限公司,上海 201702</general><general>福建省南平市公路局,福建南平 353000%福建省南平市公路局,福建南平 353000</general><scope>2B.</scope><scope>4A8</scope><scope>92I</scope><scope>93N</scope><scope>PSX</scope><scope>TCJ</scope></search><sort><creationdate>20220401</creationdate><title>基于人工神经网络模型的福建南平市滑坡危险性评价</title><author>陈水满 ; 赵辉龙 ; 许震 ; 谢伟 ; 刘亮 ; 李全悦</author></sort><facets><frbrtype>5</frbrtype><frbrgroupid>cdi_FETCH-LOGICAL-s706-67c2426a48597f1b7f6828e4ebb0c313f47af8d8cf20793bad84d4d84006735c3</frbrgroupid><rsrctype>articles</rsrctype><prefilter>articles</prefilter><language>chi</language><creationdate>2022</creationdate><toplevel>peer_reviewed</toplevel><toplevel>online_resources</toplevel><creatorcontrib>陈水满</creatorcontrib><creatorcontrib>赵辉龙</creatorcontrib><creatorcontrib>许震</creatorcontrib><creatorcontrib>谢伟</creatorcontrib><creatorcontrib>刘亮</creatorcontrib><creatorcontrib>李全悦</creatorcontrib><collection>Wanfang Data Journals - Hong Kong</collection><collection>WANFANG Data Centre</collection><collection>Wanfang Data Journals</collection><collection>万方数据期刊 - 香港版</collection><collection>China Online Journals (COJ)</collection><collection>China Online Journals (COJ)</collection><jtitle>中国地质灾害与防治学报</jtitle></facets><delivery><delcategory>Remote Search Resource</delcategory><fulltext>fulltext</fulltext></delivery><addata><au>陈水满</au><au>赵辉龙</au><au>许震</au><au>谢伟</au><au>刘亮</au><au>李全悦</au><format>journal</format><genre>article</genre><ristype>JOUR</ristype><atitle>基于人工神经网络模型的福建南平市滑坡危险性评价</atitle><jtitle>中国地质灾害与防治学报</jtitle><date>2022-04-01</date><risdate>2022</risdate><volume>33</volume><issue>2</issue><spage>133</spage><epage>140</epage><pages>133-140</pages><issn>1003-8035</issn><abstract>P694; 滑坡灾害持续影响着人民生命财产安全和地区社会经济可持续发展,滑坡危险性评价能够为防灾减灾和区域规划提供有效的理论依据.以福建省南平市为研究区,区内1711个历史滑坡灾害点,选择高程、坡度、坡向、曲率、地质岩性、土壤类型、降雨、水系、土地利用类型、公路和铁路共11个影响因子构成基本评价体系.使用Spearman相关系数对各因子进行共线性分析.基于1 711个滑坡样本和1 711个随机选取的非滑坡样本数据,利用人工神经网络模型对研究区进行了滑坡危险性评价,并利用混淆矩阵和接收者操作特征曲线(ROC)对模型进行验证.结果表明:混淆矩阵精度84.91％,ROC曲线下面积AUC值0.93,说明模型具有较高精度和预测率.使用自然间断法将滑坡危险性分为5个等级,结果表明研究区内危险性最高地区位于延平区和浦城县,顺昌县和松溪县次之,其余地区多为低危险区和较低危险区.研究结果可为当地区域规划和防灾减灾工程提供一定的理论依据和科学指导.</abstract><pub>中国科学院海西研究院泉州装备制造研究所,福建泉州 362000%中国科学院海西研究院泉州装备制造研究所,福建泉州 362000%上海华测导航技术股份有限公司,上海 201702</pub><doi>10.16031/j.cnki.issn.1003-8035.2022.02-16</doi><tpages>8</tpages></addata></record>
fulltext fulltext
identifier ISSN: 1003-8035
ispartof 中国地质灾害与防治学报, 2022-04, Vol.33 (2), p.133-140
issn 1003-8035
language chi
recordid cdi_wanfang_journals_zgdzzhyfzxb202202016
source DOAJ Directory of Open Access Journals
title 基于人工神经网络模型的福建南平市滑坡危险性评价
url https://sfx.bib-bvb.de/sfx_tum?ctx_ver=Z39.88-2004&ctx_enc=info:ofi/enc:UTF-8&ctx_tim=2025-01-06T21%3A29%3A57IST&url_ver=Z39.88-2004&url_ctx_fmt=infofi/fmt:kev:mtx:ctx&rfr_id=info:sid/primo.exlibrisgroup.com:primo3-Article-wanfang_jour&rft_val_fmt=info:ofi/fmt:kev:mtx:journal&rft.genre=article&rft.atitle=%E5%9F%BA%E4%BA%8E%E4%BA%BA%E5%B7%A5%E7%A5%9E%E7%BB%8F%E7%BD%91%E7%BB%9C%E6%A8%A1%E5%9E%8B%E7%9A%84%E7%A6%8F%E5%BB%BA%E5%8D%97%E5%B9%B3%E5%B8%82%E6%BB%91%E5%9D%A1%E5%8D%B1%E9%99%A9%E6%80%A7%E8%AF%84%E4%BB%B7&rft.jtitle=%E4%B8%AD%E5%9B%BD%E5%9C%B0%E8%B4%A8%E7%81%BE%E5%AE%B3%E4%B8%8E%E9%98%B2%E6%B2%BB%E5%AD%A6%E6%8A%A5&rft.au=%E9%99%88%E6%B0%B4%E6%BB%A1&rft.date=2022-04-01&rft.volume=33&rft.issue=2&rft.spage=133&rft.epage=140&rft.pages=133-140&rft.issn=1003-8035&rft_id=info:doi/10.16031/j.cnki.issn.1003-8035.2022.02-16&rft_dat=%3Cwanfang_jour%3Ezgdzzhyfzxb202202016%3C/wanfang_jour%3E%3Curl%3E%3C/url%3E&disable_directlink=true&sfx.directlink=off&sfx.report_link=0&rft_id=info:oai/&rft_id=info:pmid/&rft_wanfj_id=zgdzzhyfzxb202202016&rfr_iscdi=true