基于CNN技术的探地雷达线测图分类解释模型

郭玉锦 ¹陈旭阳 ²赵耀华²

扫码查看

作者信息

1. 轻工业钟表研究所,陕西西安710064
2. 西北工业大学航海学院,陕西西安710072
折叠

摘要

针对隧道地质超前预报过程中GPR(Ground Penetrating Radar)线测图分类解释准确率不高的问题,本文在深度学习模型Lenet的基础上,根据GPR线测图的尺寸特点设计了Lenet-6.Lenet-6在Lenet低隐含层部分新增一个卷积层和一个子采样层.通过深入研究Lenet-6低隐含层,给出了卷积层核函数选取的一般准则.仿真实验结果表明:在相同的迭代次数下,Lenet-6比Lenet具有更高的分类准确率.本文模型可为制定隧道施工和开挖计划提供科学合理的依据.

关键词

隧道地质超前预报/探地雷达/深度学习/CNN

引用本文复制引用

出版年

2017

公路交通科技·应用技术版

交通运输部公路科学研究院

公路交通科技·应用技术版

影响因子：0.286

ISSN：1002-0268

被引量1

参考文献量4

段落导航