排序方式: 共有43条查询结果,搜索用时 203 毫秒
1.
2.
3.
采用多尺度分割和深度学习相结合的方法对震后倾斜摄影三维影像建筑物震害信息进行提取,获取建筑物的屋顶和墙体多种破坏信息。以2017年九寨沟MS7.0地震后倾斜摄影三维影像为例,依据三维影像建筑物顶面和墙体等进行样本的多尺度分割,样本分为完好建筑物面、破坏建筑物面、其它地物和背景等三类,选取211个100×100像素的样本集对卷积神经网络模型进行训练,采用训练后的模型提取灾区千古情风景区和漳扎镇小学的建筑物震害信息,并将提取结果与目视解译结果进行精度对比,结果显示:破坏建筑物面提取精度分别为65.5%和71.1%,总体分类精度分别为82.1%和84.1%,卡帕(Kappa)系数分别为68.7%和64.9%,表明该方法在倾斜摄影三维影像建筑物震害提取方面具有一定的优势。 相似文献
4.
5.
建筑物受损信息是地震受灾程度评估的基础,针对传统建筑物表面信息识别人工成本高、效率低等问题,受深度学习提取建筑物影像的启发,提出利用无人机倾斜摄影模型与深度学习相结合的方法提取震后建筑物表面破损信息。以2019年长宁6.0级地震为例,选用双河镇震后倾斜摄影模型切片图为数据源,对比分析面向对象分类方法、VGG-16模型和DeeplabV3+模型对建筑物表面损毁信息的提取结果。分析结果表明,针对建筑物表面破损信息的提取,尤其是细小裂缝的提取,语义分割网络DeeplabV3+模型具有较强的优势(准确率96.93%、召回率96.85%、总体精度96.89%),可实现建筑物表面破损信息的有效提取,具有较强的应用价值。 相似文献
6.
现有地震灾害评估系统多以设定地震的方式进行震害评估,无法满足地震灾害风险评估中按照不同烈度对整个行政区域进行地震灾害评估的业务需求,本文以现有计算模型为框架、以ArcEngine 为GIS开发平台、采用C/S结构进行基于居民地的不同烈度下地震灾害评估系统设计。系统以居民地为评估单元,根据选择的评估区域,按照Ⅵ度、Ⅶ度、Ⅷ度、Ⅸ度、大于等于Ⅹ度5个级别分别进行地震灾害建筑物损坏情况和人员伤亡评估,结果可为各级政府及相关部门进行区域地震风险评估、地震灾害预评估提供技术支持。 相似文献
7.
本文收集整理了1966年以来震级大于等于6.5的破坏性地震的震害资料,通过分析历史震例数据将6.5—7.9级地震的Ⅷ度及以上烈度区和8级及以上地震的Ⅸ度及以上烈度区定义为高烈度区。研究了不同类型地震高烈度区的分布特点,并给出了不同类型地震震级与高烈度区长短轴之间的拟合关系。分析结果表明:(1)走滑型地震高烈度区分布基本为比较对称的椭圆,这可能与走滑断层作用的应力是来自两旁的剪切力,其两盘顺断层面走向相对移动,而无上下垂直移动有关;(2)倾滑型地震高烈度区分布不一定对称,具体分布受断层两侧以及断层本身介质的物理性质影响;(3)褶皱类型地震的高烈度区分布特点要根据地震的断层位错和地震时褶皱隆起两方面的信息具体分析。 相似文献
8.
云南鲁甸6.5级地震灾害特点浅析 总被引:5,自引:4,他引:1
通过对2014年8月3日云南鲁甸6.5级地震震害开展实地调查,对灾区破坏情况进行总体介绍,并就各烈度区特征和建筑物震害、地震地质灾害、工程结构震害进行分析,初步得出本次地震的一些震害特点.一是灾区人口密度大,人员死亡较集中.人员死亡主要集中在Ⅷ和Ⅸ度区.二是地震振动强,灾区破坏严重.本次地震震源深度12km,极震区烈度高达Ⅸ度,震源破裂在11s内集中释放.三是抗震能力弱,房屋破坏严重.灾区属国家级贫困区,农村民居抗震能力弱,且多数民房坐落在河谷陡坡上,边坡效应加重房屋震害,重灾区砖木和土木房屋成片损毁、倒塌.四是灾区条件恶劣,救灾难度大.震区活动断裂密集发育、地质破碎疏松、地形崎岖不平,又恰值雨季,诱发极其严重次生地质灾害,导致人员伤亡,造成灾区大面积交通、通信、电力中断,救援物资与救援力量无法及时发挥作用. 相似文献
9.
10.
网络地震灾情信息智能处理模型与地震烈度判定方法研究 总被引:2,自引:2,他引:0
破坏性地震发生之后,丰富的地震灾情信息和准确的地震烈度图是地震应急救援工作的基础。伴随着互联网的迅速发展,互联网已经成为地震灾情信息获取的一种重要渠道。本文通过构建网络地震灾情信息智能处理模型,将互联网上非结构化的灾情信息转化成结构化的灾情信息。并将网络地震灾情信息与地震烈度相结合,进行地震烈度判定,从而对地震应急期的烈度快速评定结果进行修正拟合。 相似文献