现代计算机2022，Vol.28Issue(12) ：75-80.DOI:10.3969/j.issn.1007-1423.2022.12.014

基于残差网络的泥石流孕灾沟谷快速识别

Rapid Identification of Hazard-formative Valley Based on Residual Network

徐繁树 王保云
现代计算机2022，Vol.28Issue(12) ：75-80.DOI:10.3969/j.issn.1007-1423.2022.12.014
✕
  • NETL
  • NSTL
  • 维普
  • 万方数据

基于残差网络的泥石流孕灾沟谷快速识别

Rapid Identification of Hazard-formative Valley Based on Residual Network

徐繁树 1王保云2
扫码查看

作者信息

  • 1. 云南师范大学信息学院,昆明 650500
  • 2. 云南师范大学数学学院,昆明 650500;云南省高校复杂系统建模及应用重点实验室,昆明 650500
  • 折叠

摘要

本研究选取怒江州怒江流域,提取沟谷数字高程模型(DEM)图训练深度残差网络,对泥石流的灾害区域进行快速识别.首先,使用增强后的DEM图训练残差网络,然后用该训练后的模型对沟谷DEM图进行分类,并使用准确率、召回率、AUC值等对模型进行评价.测试结果表明,残差网络结合DEM图可以达到泥石流沟谷最高73％的识别率以及76％的召回率,AUC值约为0.7,模型性能较为良好,为泥石流孕灾沟谷的识别提供了新思路.

关键词

数字高程模型/残差网络/泥石流/深度学习

引用本文复制引用

基金项目

国家自然科学基金(61966040)

出版年

2022
现代计算机
中大控股

现代计算机

影响因子：0.292
ISSN：1007-1423
被引量1
参考文献量16
段落导航相关论文