典型文献
基于InSAR的潜在滑坡人工智能识别——以延安宝塔区为例
文献摘要：
基于合成孔径雷达干涉测量(InSAR)技术,结合热点分析和机器学习算法,进行区域高形变斜坡自动提取和潜在滑坡人工智能识别研究,以提升潜在滑坡识别效率和准确性,解决传统人工调查和目视解译无法有效识别位于高位、隐蔽性较强的潜在滑坡问题.结果表明,基于热点分析自动提取20处高形变区域,提取正确率、错分率和漏分率分别为74.31％、25.69％和11.80％,证实热点分析方法能够有效应用于InSAR高形变区自动识别和提取.基于识别的高形变区,结合历史滑坡灾害发育特征,利用机器学习算法建立潜在滑坡预测模型,采用表现最佳的自适应提升模型对自动提取区域进行预测,预测召回率和准确率分别为81％和65％,能够实现潜在滑坡的有效识别.
文献关键词：
潜在滑坡;基于合成孔径雷达干涉测量技术;机器学习;人工智能
中图分类号：
作者姓名：
梁懿文;张毅;苏晓军;刘旺财;李媛茜;王爱杰;孟兴民
作者机构：
兰州大学地质科学与矿产资源学院,兰州730000;甘肃省环境地质与灾害防治技术创新中心,兰州730000;兰州大学资源环境学院,兰州730000
文献出处：
引用格式：
[1]梁懿文;张毅;苏晓军;刘旺财;李媛茜;王爱杰;孟兴民-.基于InSAR的潜在滑坡人工智能识别——以延安宝塔区为例)[J].兰州大学学报（自然科学版）,2022(02):212-221
A类：
自适应提升模型,基于合成孔径雷达干涉测量技术
B类：
InSAR,人工智能识别,延安,安宝,宝塔区,热点分析,和机器学习算法,斜坡,自动提取,潜在滑坡识别,传统人工,目视解译,隐蔽性,错分,分率,实热,有效应用,自动识别,滑坡灾害,灾害发育特征,滑坡预测,召回率
AB值：
0.242707
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。
