| 基于深度学习的CZ铁路康定—理塘段滑坡易发性评价 |
| |
| 引用本文： | 王世宝,庄建琦,郑佳,牟家琦,王野,付玉婷.基于深度学习的CZ铁路康定—理塘段滑坡易发性评价[J].工程地质学报(英文版),2022,30(3):908-919. |
| |
| 作者姓名： | 王世宝 庄建琦 郑佳 牟家琦 王野 付玉婷 |
| |
| 作者单位： | 长安大学地质工程与测绘学院/西部矿产资源与地质工程教育部重点实验室，西安 710054，中国 |
| |
| 基金项目： | 国家自然科学基金41941019国家自然科学基金41922054国家重点研发计划项目2020YFC1512000 |
| |
| 摘 要： | CZ铁路康定至理塘段地处青藏高原东部边缘，区域内地形地貌多变、地质构造复杂，滑坡灾害极其发育，严重威胁着CZ铁路康定至理塘段的规划建设和未来安全运行。因此，选取高程、坡向、平面曲率、剖面曲率、地形起伏度、地表切割度、地形湿度指数、归一化植被指数、岩性、距断层距离、距河流距离、距道路距离共计12个影响因子构建滑坡空间数据库，采用深度学习的卷积神经网络(convolutional neural network，CNN)模型进行滑坡易发性评价，根据易发性指数将研究区划分为极高易发区(13.76%)、高易发区(14.00%)、中易发区(15.86%)、低易发区(18.17%)、极低易发区(38.21%)5个等级，并与人工神经网络(artificial neural network，ANN)模型进行对比。结果表明，CNN模型的评价精度AUC(0.87)大于ANN(0.84)模型，且极高易发区的频率比值高于ANN模型，CNN模型在本研究区有着更高的预测能力；极高和高易发区主要分布在水系较为发育的地区，沿着雅砻江和其他河流两侧2 km范围内呈带状分布。滑坡易发性评价结果较好地反映了研究区滑坡灾害发育的分布现状，能够为该区的CZ铁路建设和未来安全运行过程中的防灾减灾工作提供科学的依据。
|
| 关 键 词： | CZ铁路 滑坡 易发性评价 卷积神经网络 深度学习 |
| 收稿时间： | 2021-03-16 |
|
| 点击此处可从《工程地质学报(英文版)》浏览原始摘要信息 |
| 点击此处可从《工程地质学报(英文版)》下载免费的PDF全文 |
