基于3s的人工神经网络模型在地质灾害危险性评价中的应用,本文是地质灾害方面毕业论文格式模板范文与人工神经网络和地质灾害和危险性有关学术论文怎么写.
地质灾害论文参考文献：
宋雨濛
（成都理工大学地球物理学院 四川 成都 610059）
摘 要：文章通过3s 技术手段和人工神经网络模型对卧龙大熊猫自然保护区进行了地质灾害危险性评价.包括通过遥感技术获取研究区域的遥感图像,并对图像进行专业的处理以及人工交互解译.利用GIS 手段对遥感数据以及基础地理数据进行空间分析.最后以卧龙大熊猫自然保护区为例,运用Matlab 软件,调用newff 命令建立基于BP 人工神经网络的地质灾害危险性评价模型,得到卧龙大熊猫自然保护区危险性评价区划图.结果证明BP 人工神经网络模型应用于卧龙大熊猫自然保护区的危险性评价是较为理想的方法之一.
关键词：地质灾害；3s 技术；BP 人工神经网络；卧龙自然保护区
1 3s 技术
1.1 遥感图像获取与预处理20 世纪后20 年遥感技术在地质灾害调查技术方面发展突飞猛进.遥感技术具有快速、全面、非接触、高时效、高性价比获取地表信息的特点,对区域性地质灾害进行宏观地动态解译,达到对区域性地质灾害分布、规模的定量认识[1].在地质灾害调查中,遥感技术已经成为重要手段之一.本文对获取的landsat8 ETM+ 图像进行了几何校正、波段组合、图像融合、图像增强等处理.处理后的图像更利于有用信息的提取与地质灾害的解译.
1.2 遥感影像地质灾害解译
文章采取人机交互解译方式对预处理后的遥感图像进行地质灾害解译.在进行地质灾害解译前,建立地质灾害解译标志是必不可少的步骤之一.文章根据地质灾害在图像上的特征建立滑坡、泥石流、崩塌的解译标志,并对卧龙大熊猫自然保护区的地质灾害进行解译.
1.3 GIS 空间分析
除了遥感图像中提取的信息外,还需要对数据进行进一步的处理与空间分析.文章利用GIS 的空间分析功能提取坡度、坡向、河流、道路等信息.并对这些数据进行重分类、缓冲区建立等,为建立人工神经网络模型提供有效的基本要素.
2 人工神经网络模型
2.1 BP 神经网络基本原理
人工神经网络（Artificial NeuralNetworks, ANN）是一种以模仿人脑由大量神经元相互连接形成的网络结构[2].本文采用BP 神经网络模型.BP 神经网络模型是一种有导师的前馈神经网络,通过调节网络模型中各层之间的连接权值与阈值训练网络,以使预期值不断逼近期望值的过程.
2.2 地质灾害危险性评价模型
本文采用高程、坡度、坡向、水系、道路、岩性因子建立地质灾害危险性评价模型.
3 实例—卧龙地区地质灾害危险性评价
3.1 评价单元划分
本文采用网格法进行单元划分,网格大小为1km×1km,共3402 个网格,除去没有研究属性的网格,共对2173 个评价单元进行评价.
3.2 神经网络的建立与训练
利用Matlab 软件, 调用mapminmax函数,对各项数据进行归一化处理.调用newff 命令创建地质灾害危险性评价神经网络.在调用train 命令对网络进行训练.
3.3 评价结果分析
卧龙自然保护区地质灾中度危险区主要沿着皮条河两岸分布,区域内主要发生一些小型崩塌、滑坡、泥石流.地质灾害重度危险区主要沿着渔子河两岸分布,泥石流、崩塌经常发生.
参考文献：
[1] Ranchin T, Wald L, Fusion of highspatial and spectral resolution images: theARSIS concept and its implementation [J].Photogram metric Engineering & RemoteSensing, 2000, 66(1)
[2] 吴达胜. 人工神经网络在森林资源动态监测中的应用[M]. 北京: 中国水利水电出版社, 2014.
小结：此文为一篇关于地质灾害方面的大学硕士和本科毕业论文以及人工神经网络和地质灾害和危险性相关地质灾害论文开题报告范文和职称论文写作参考文献资料.
基于BP神经网络的城市物流需求预测模型
文培娜（京东方科技集团股份有限公司,北京 100176）摘要城市物流需求是城市物流规划的重要内容和首要前提,但城市物流需求的复杂性导致难以对其进行精确预测 文章从货运量的角度出发,分析影响货运量的社.
基于遗传算法优化和BP神经网络的中长期负荷联合预测
摘 要 传统的BP 神经网络负荷预测存在学习速度慢、局部极小……缺陷,已无法满足现代电力负荷预测的精度要求 基于此,本文首先在分析了BP 神经网络的预测原理和不足的基础上,阐述了遗传算法的原理及优化步.
基于SPSS和BP神经网络的林产品物流运输需求预测对比
摘要采用SPSS及Matlab软件分别建立多元线性回归模型和BP神经网络预测模型,通过HN省林产品物流运输需求量的算例,对比多元线性回归和BP神经网络预测模型的预测能力得出相应结论 关键词多元线性回归.