典型文献
基于层数自适应加权卷积神经网络的川藏交通廊道沿线滑坡易发性评价
文献摘要：
开展铁路沿线滑坡易发性评价对川藏交通廊道工程建设及运维过程中的风险管理具有重要意义.提出一种层数自适应、通道加权的卷积神经网络(layer adaptive weighted convolutional neural network,LAW-CNN),对川藏交通廊道沿线滑坡易发性进行评价.依据野外调查和影响因素分析筛选出影响滑坡发生的影响因子,绘制滑坡编目,构造用于易发性评价的实验数据集;针对卷积神经网络的权重初值、网络层数等超参数难以优化设置的问题,提出基于影响因子信息熵的通道加权方法和网络层数优选策略,通过多通道加权和层数自适应分类卷积的方式提出滑坡易发性制图的LAW-CNN架构;搜索最优LAW-CNN网络结构并训练网络参数,获取研究区滑坡发生概率并进行易发性分级评价.所提的LAW-CNN模型可以不同权重和不同深度挖掘影响因子的深层特征,实验结果表明,模型曲线下面积(area under curve,AUC)值为0.8528,极高易发区滑坡点密度为1.2519,均优于SVM(support vector machine)和CNN模型;川藏交通廊道沿线滑坡极高和高易发区主要集中在大江大河两侧以及横断山区.LAW-CNN模型可较好评价川藏交通廊道滑坡易发性,能够为川藏交通廊道的建设和灾害防治提供科学的依据.
文献关键词：
滑坡易发性;川藏交通廊道;层数自适应;多通道加权;卷积神经网络;滑坡.
中图分类号：
作者姓名：
黄武彪;丁明涛;王栋;蒋良文;李振洪
作者机构：
长安大学地质工程与测绘学院,陕西西安 710054;长安大学地学与卫星大数据研究中心,陕西西安 710054;西部矿产资源与地质工程教育部重点实验室,陕西西安 710054;中铁二院工程集团有限责任公司,四川成都 610031
文献出处：
引用格式：
[1]黄武彪;丁明涛;王栋;蒋良文;李振洪-.基于层数自适应加权卷积神经网络的川藏交通廊道沿线滑坡易发性评价)[J].地球科学,2022(06):2015-2030
A类：
层数自适应,川藏交通廊道,LAW,多通道加权,滑坡点密度
B类：
自适应加权,滑坡易发性评价,铁路沿线,运维过程,layer,adaptive,weighted,convolutional,neural,network,野外调查,编目,初值,网络层,超参数,优化设置,信息熵,加权和,自适应分类,制图,网络参数,发生概率,分级评价,不同权重,不同深度,深度挖掘,深层特征,area,under,curve,易发区,support,vector,machine,大江大河,横断山区,好评,灾害防治
AB值：
0.186132
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。
