排序方式： 共有9条查询结果，搜索用时 312 毫秒
1
1.
滑坡敏感性评价是地质灾害预测预报的关键环节。针对BP神经网络易陷入局部最小值、收敛速度慢等问题,该文以三峡库区秭归县境内为研究区,采用粒子群优化(PSO)算法对BP神经网络的初始权值和阈值进行优化,构建PSO-BP神经网络滑坡敏感性预测模型,实现研究区滑坡敏感性评价。采用受试者工作特征曲线分析模型预测精度,得到PSO-BP神经网络预测精度为0.931,预测结果与实际滑坡总体空间分布具有良好的一致性,且预测能力优于BP神经网络。实验结果表明,PSO-BP神经网络耦合模型在实现滑坡敏感性评价上具有理想的预测精度和良好的适用性。 相似文献
2.
利用遥感技术并结合三峡库区巴东段的地层数据,分析研究区地表覆被的时空变化与地层属性之间的关系,从而总结出巴东地区地质环境变化的规律。 相似文献
3.
以三峡库区万州段为研究区,从多源空间数据中提取29个致灾因子作为区域滑坡易发性分析的评价指标,在数字高程模型基础上采用集水区重叠法划分斜坡单元,构建旋转森林集成学习模型,定量预测滑坡空间易发性,并生成滑坡易发性分区图。在易发性分区图中,高易发区占11.6%,主要分布在万州主城区和长江及支流两岸;不易发区占45.6%,主要分布在人类工程活动低、植被覆盖度高的区域。采用受访者工作特征曲线和曲线下面积对旋转森林模型的滑坡易发性进行评价,结果显示该模型的预测精度为90.7%,其预测能力优于C4.5决策树。研究表明,应用旋转森林进行滑坡易发性评价具有预测能力强、精度高等优点。 相似文献
4.
地面沉降问题严重影响着鲁西南经济发展区交通工程建设。文中选择某线性工程两侧5 km范围作为研究区,文章收集RadarSAT-2（2017—2020年）、Sentinel-1A（2019—2020年）存档数据和沿线区域地质、水文地质、矿产开发资料,采用时序InSAR分析的方法,对研究区沿线地面沉降分布特征及规律进行综合分析。研究结果表明:研究区主要地面沉降诱因是煤矿采空区塌陷和地下水超量开采,前者以矿区工作面为中心形成沉降漏斗,沉降速率变化和沉降中心移动与煤矿作业工作面挖掘进度和转移密切相关;后者沉降分布规律与地下水开采使用点相关,形成与地下水开采使用范围相近的沉降带。研究区在2017—2020年内持续发生沉降,最大年均沉降速率为136.5 mm/a,单年累计最大沉降量为220 mm。经同期CPI水准点观测结果校核,InSAR数据处理成果平均误差小于1 cm/a,相关系数到达70%以上。本文采用的分析方法能及时准确反映出线路方案穿行研究区内各处地面沉降变化,为线路方案规划和地质灾害整治提供有效合理参考。 相似文献
5.
针对目前利用CORS观测数据进行地面变形和参考站点位稳定性分析时缺乏具有较好通用性的数据处理与分析一般流程和策略的问题,该文在对地面变形和参考站点位稳定性分析需要考虑的影响因素进行分析的基础上,提出了一种数据处理与分析的一般流程和策略,并针对大范围地面变形(或地壳板块运动)分析与小范围(局部)地面变形分析以及CORS参考站点位稳定性分析的不同特点,提出了相应的变形分析基准的合理选择与统一方法。实验结果表明:所提出的流程、策略以及基准选择与统一方法能够获得精确、可靠的地面变形和参考站点位稳定性分析成果。 相似文献
6.
7.
由于天线本身的特性及机械加工等原因,GPS卫星和接收机天线相位中心与其几何中心不重合,从而产生相位中心偏差。某些类型的天线该偏差甚至可达数cm,直接影响高精度GPS测量的精确可靠性[1]。讨论了GAMIT软件在高精度GPS数据处理中进行天线相位中心改正的原理、方法和策略,结合美国IGS观测站及南加州区域站观测数据,对改正方法及策略进行了实验对比与分析。结果表明:对接收机天线相位中心和卫星天线相位中心采用模型改正,而卫星天线相位中心偏移不改正,所得到的基线解算结果较好[2];地面接收机天线方位角的变化对U方向的基线解算结果有较大影响,在高精度GPS测量中,必须进行天线方位角的变化改正。 相似文献
8.
9.
以三峡库区秭归-巴东段为例,将地理加权回归(GWR)模型引入到研究区的空间尺度分割方法中,利用粒子群优化(PSO)算法对支持向量机(SVM)模型参数进行优化,构建GWR-PSO-SVM耦合模型,完成研究区滑坡易发性评价,并与传统的PSO-SVM耦合模型结果进行对比。结果表明,在特定类别精度分析、总体预测精度分析和曲线下面积分析中,本文方法评价效果均优于传统方法。 相似文献
1