-
公开(公告)号：CN114170392A
公开(公告)日：2022-03-11
申请号：CN202111399444.3
申请日：2021-11-23
Applicant: 南昌大学
Abstract: 本发明涉及一种基于变分辨率提取技术的斜坡单元划分模型，包括如下步骤：S1：从原始数字高程模型中提取山体阴影及坡向分布影像作为变分辨率提取技术的输入影像并对滑坡的形态及尺度特征进行分析；S2：通过修正试错法设定尺度、形状和紧凑度等参数；S3：根据区域合并异质性最小原则将所有像元自动合并成影像对象，直到区域异质性值大于确定的尺度阈值；S4：对整个影像对象分割、合并和平滑等后处理工作以生成适当的斜坡单元。本发明对于斜坡单元的划分较传统方法更加准确高效。
-
公开(公告)号：CN114358167A
公开(公告)日：2022-04-15
申请号：CN202111636445.5
申请日：2021-12-29
Applicant: 南昌大学
Abstract: 本发明涉及地质灾害预测技术领域，具体涉及一种基于主成分分析和极限学习机的滑坡易发性预测模型，包括如下步骤：S1：获取研究区滑坡编录及滑坡易发性建模相关环境因子；S2：利用主成分分析对环境因子进行降维，计算主成分得分作为初始滑坡易发性值，并划分不同的易发性区间；S3：将极高易发区与遥感影像进行叠加，通过目视解译确定滑坡隐患点作为扩充滑坡样本，滑坡编录与扩充滑坡样本共同组成滑坡样本；S4：从极低易发区随机选取栅格单元作为非滑坡样本；S5：建立极限学习机预测模型。可以消除环境因子之间的相关性以及其在进行综合评价时所反映的重复信息。主成分分析降维后的数据，其冗余性大大降低，为后续计算节省时间。
-
公开(公告)号：CN112966722A
公开(公告)日：2021-06-15
申请号：CN202110168854.0
申请日：2021-02-07
Applicant: 南昌大学
Abstract: 本发明涉及一种基于半监督随机森林模型的区域滑坡易发性预测方法，包括如下步骤：S1：空间分析研究区内的滑坡编录及相关控制因素筛选出已知滑坡样本；S2：基于频率比和相关性分析，确定最能表征滑坡发育特征的控制因素，建立随机森林模型；S3：基于控制因素的FR值、已知滑坡栅格单元和随机选择的非滑坡栅格单元，对全监督机器学习即随机森林模型，根据步骤S2中的五类滑坡易发性等级进行输出预测出初始滑坡易发性值；S4：扩充已知滑坡样本；S5：从极低易发区中随机选取栅格单元作为非滑坡样本；S6：建立半监督随机森林模型。本发明在全监督机器学习的基础上进一步提高了滑坡易发性预测建模性能。
-
-
Search Results
3
records
(took 0.012 seconds)
