<正>近年來,降雨誘發(fā)的滑坡災(zāi)害日益頻繁,給人民生命財產(chǎn)安全造成了嚴(yán)重的威脅。因此,深入開展滑坡災(zāi)害氣象預(yù)警研究具有重要的理論意義和實(shí)用價值。為了解決傳統(tǒng)滑坡災(zāi)害氣象預(yù)警方法在計(jì)算性能和預(yù)警精度等方面的不足,本文立足于滑坡災(zāi)害氣象預(yù)警工作,選取汶川Ms8.0級強(qiáng)烈地震重災(zāi)區(qū)的62縣市為研究區(qū),深入分析研究區(qū)滑坡災(zāi)害與地質(zhì)環(huán)境、降雨之間的關(guān)聯(lián)關(guān)系,構(gòu)建適用于研究區(qū)的滑坡因子指標(biāo)體系,運(yùn)用機(jī)器學(xué)習(xí)理論和方法,建立了基于機(jī)器學(xué)習(xí)的滑坡災(zāi)害氣象預(yù)警模型,并利用研究區(qū)歷史監(jiān)測數(shù)據(jù)進(jìn)行試驗(yàn),驗(yàn)證了該方法的準(zhǔn)確性和可靠性。本文取得的主要研究成果如下:（1）分析了研究區(qū)地質(zhì)環(huán)境基本情況。 

【文章來源】：測繪學(xué)報. 2020,49(02)北大核心EICSCD

【文章頁數(shù)】：1 頁

【文章目錄】：
(1) 分析了研究區(qū)地質(zhì)環(huán)境基本情況。
(2) 構(gòu)建了研究區(qū)滑坡災(zāi)害因子指標(biāo)體系,提出了指標(biāo)量化表達(dá)的方法。
(3) 建立了基于改進(jìn)BP神經(jīng)網(wǎng)絡(luò)的滑坡災(zāi)害氣象預(yù)警模型。
(4) 建立了基于動態(tài)粒子群優(yōu)化BP神經(jīng)網(wǎng)絡(luò)(BP neural network based on dynamic particle swarm optimization,DPSO-BP)的滑坡災(zāi)害氣象預(yù)警模型。
(5) 建立了基于深度信念網(wǎng)絡(luò)(deep belief network,DBN)的滑坡災(zāi)害氣象預(yù)警模型。


【參考文獻(xiàn)】：
期刊論文
[1]Artificial Neural Network-based prediction of glacial debris flows in the ParlungZangbo Basin, southeastern Tibetan Plateau, China[J]. TANG Wang,DING Hai-tao,CHEN Ning-sheng,MA Shang-Chang,LIU Li-hong,WU Kang-lin,TIAN Shu-feng.  Journal of Mountain Science. 2021(01)

碩士論文
[1]機(jī)器學(xué)習(xí)方法在滑坡災(zāi)害易發(fā)性區(qū)劃中的應(yīng)用[D]. 張陽.東華理工大學(xué) 2021
[2]基于大數(shù)據(jù)分析與挖掘的鐵路滑坡災(zāi)害監(jiān)測預(yù)警模型研究[D]. 金劭南.電子科技大學(xué) 2021
[3]基于地基DInSAR的滑坡預(yù)警方法和模型研究[D]. 齊麟.內(nèi)蒙古工業(yè)大學(xué) 2020
[4]基于文本大數(shù)據(jù)的地震應(yīng)急的知識發(fā)現(xiàn)[D]. 張曉輝.蘭州交通大學(xué) 2020



本文編號：3571493