典型文献
基于神经网络的泥石流沟谷易发性预测
文献摘要：
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.
文献关键词：
泥石流;数字高程模型;VGG;AlexNet;残差;预测
中图分类号：
作者姓名：
袁若浩;王保云
作者机构：
云南南师范大学数学学院,云南 昆明 650500;云南省高校复杂系统建模及应用重点实验室,云南 昆明 650500
文献出处：
引用格式：
[1]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(06):5-9
A类：
B类：
泥石流,沟谷,易发性预测,谷地,地貌条件,数字高程模型,DEM,VGG,AlexNet,分类预测,结果对比,残差模型,整体性能
AB值：
0.217218
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
