基于GIS和BP神经网络的地质灾害风险评价系统

就建立基于GIS和BP神经网络的地质灾害评价系统的理论可行性进行了分析,并对系统的设计思想和架构进行了讨论,系统将发挥GIS强大的空间信息可视化管理和分析功能以及神经网络的非线性描述和分析功能,实现地质灾害危险性评价的可视化管理。     

遗传BP神经网络在泥石流危险性评价中的应用

泥石流危险性的评价是地质灾害预测的重要研究课题之一,根据泥石流危险性评价因子,建立了遗传BP神经网络评价模型。模型利用BP神经网络的函数逼近能力,模拟泥石流某些主要评价指标与危险程度之间的非线性函数关系,实现对泥石流危险性的评价。为克服BP神经网络收敛慢、易陷入局部极小、泛化能力差等缺陷,引入遗传算法和对比分析方法优化BP评价网络的权值、阈值和网络结构。实验证明,采用所述方法优化后的BP神经网络的拟合精度、准确度、效率大幅提高,泛化能力也得到增强,该方法可作为解决泥石流危险性评价问题的一种新思路。     

基于径向基函数神经网络的泥石流危险性评价*

泥石流危险性的主要评价指标与危险程度之间有着某种复杂的非线性的关系,通常采用统计分析、模糊评价、BP神经网络等评价方法,但这些方法均存在不足之处,难以进行准确评价。为了克服以上方法的不足,结合泥石流危险性评价指标,建立了基于径向基函数神经网络的泥石流危险性评价模型,并将该模型结果与BP神经网络的评价结果进行了对比。实验结果表明,径向基函数神经网络的模拟结果比BP神经网络更接近测量数据,精度更高,训练所需时间更少。因此,径向基函数神经网络经过充分训练后,能够较为准确地对泥石流的危险性进行评价,具有较好的应用     

改进的LM神经网络工程地质综合评价模型

以可靠的遥感地质信息为基础,采用步长自适应调整的Levenberg-Marquardt神经网络建立了工程地质灾害综合评价模型,实现对地质条件和地质灾害危险性的有效评价。通过对地质灾害危险性评价单元进行分析量化,将评价结果集成在三维地理环境中,实现了评价结果的三维可视化,实现对地质条件进行直观分析和评价。实例验证表明,基于步长自适应调整的LM神经网络具有准确度高、速度快的优点,是一种较为理想的工程地质综合评价方法。     

泥石流危险性分区仿真系统的研究与实现

研究泥石流灾害防治问题,为深入分析揭示泥石流运动规律和再现泥石流爆发过程,提高泥石流灾害防治能力,以计算机仿真技术为手段,GIS技术和流团模型为基础,通过用户提供的地形数据,根据数学模型对泥石流运动进行仿真,得出泥石流运动过程中的运动参数,利用GIS技术进行处理、分析,获得泥石流运动范围内各处的相关信息,实现了危险性分区的可视化识别.仿真结果表明,为险情预报和抢险救灾提供依据和指导.系统应用在云南蒋家沟泥石流流域中,得到了较好的仿真效果,可为实际应用提供依据.     

实现MIS可视化的EAI技术

对采用EAI技术实现MIS可视化功能扩充进行深入阐述,分析企业应用集成(EAI)和GIS的结构及关键技术,设计了MIS可视化中需要的模块和文件格式,提出GIS矢量数据的SVG编码方案,实现MIS可视化和功能扩展.     

空间信息支持下的江西定南稀土矿区泥石流危险性评价

江西省定南县是我国离子型稀土矿的主要产区。在稀土开采的同时,产生了大量水土流失,诱发的多处泥石流淹没林地和耕地。运用QuickBird高分辨率遥感信息与3D可视化技术相结合对定南矿区开采面、固体废弃物及其造成的泥石流进行解译,根据泥石流分布特点选取危险性评价因子,建立了评价模型,依据预测结果划分了泥石流的危险性空间分布。预测结果得到遥感影像和野外实际调查的检验,模型在赣南离子型稀土矿区有一定的推广意义。     

基于GIS的矿区土地信息系统研究与实现

通过空间数据与属性数据的结合和软件的可视化功能,基于地理信息系统(GIS)的矿区土地信息系统将空间及属性信息分析的结果以各种直观图形、图表等方式显示出来,可以极大地提高对矿区土地信息的查询、加工和分析能力。论文运用GIS技术原理,研究了矿区土地信息的分类体系,阐述了矿区土地信息系统研究构架,利用组件式GIS集成二次开发技术进行了矿区土地信息系统开发,实现了图形库管理、可视化查询、专题图制作等功能。     

地理信息系统与地下水资源评价模型集成应用研究

以常州市区与武进市地区为研究区域，在对该地区孔隙地下水分布特征、水文地质条件等方面进行调查分析的基础上，构建了常武地区地下水资源评价研究的概念模型，在此基础上构建了第Ⅰ与第Ⅱ承压水流的数学模型，并将地下水资源评价模型与地理信息系统(GIS)进行有机集成，充分利用GIS的空间分析功能及其可视化表达能力，研究地下水资源评价过程中含水层空间与模拟时间的可视化离散、计算参数的可视化赋值、模型的可视化拟合及其评价结果可视化表达的方法，基本实现了地下水资源评价过程的可视化。为常州、武进地区地下水资源的科学管理提供了空间辅助决策支持。     

图书馆信息管理系统可视化设计与实现

介绍一种基于GIS可视化功能的图书馆信息管理系统的技术架构,并重点描述了属性数据库、可视化GIS系统等功能模块的建立和数据的关联集成,总结了系统的功能定位和系统客户端的可视化实现方式。     

基于地质大数据的泥石流灾害易发性评价

在地质大数据背景下,为了更加精准、客观地评估泥石流易发程度,提出一种基于神经网络的区域泥石流易发性评价模型,并结合使用平均影响值算法（MIV）、遗传算法（GA）、Borderline-SMOTE算法提升模型精度。在预处理阶段使用Borderline-SMOTE算法处理非平衡数据集的分类问题,之后采用神经网络拟合主要指标与易发程度的非线性关系并结合遗传算法提升拟合速度,最后结合MIV算法定量分析指标与易发程度相关性。选取雅鲁藏布江中上游流域作为研究区域,实验结果显示,模型能够有效降低非平衡数据集的过拟合,优化原始输入维度,同时在拟合速度上有了很大提升。采用AUC指标检验评价结果,测试集的分类精度达到97.95%,说明模型能够在非平衡数据集下为评价研究区域泥石流易发程度提供参考。     

一种新的智能流场特征检测与识别方法

传统的基于拓扑分析方法的特征可视化系统的扩展性、通用性和交互性较差。本文分析了流场的特征,在此基础上提出了一种基于BP神经网络的可选择智能流场特征提取方法,设计了一种三层BP神经网络结构,用户可以对感兴趣的新特征进行选取并进行训练和提取,而无须修改程序。该方法利用神经网络较强的非线性映射能力,提高了系统的扩展性、通用性和交互性。基于上述方法,设计并实现了一个流场可视化原型系统。实验表明,该方法对流场任意特征具有高识别率和较低的误警率、漏报率。     

基于可拓熵理论的泥石流危险性评价

评价泥石流危险性的方法有很多,但是各有局限,需要探究危险性评价新方法。利用可拓学原理构建一组能够描述泥石流危险性评价指标的物元模型,采用熵理论计算物元模型中各评价指标的权重值,建立基于可拓熵理论的泥石流危险性评价模型,并通过Visual Basic开发一个基于该模型的泥石流危险性评价软件。选取云南省东川地区12条典型泥石流沟作为检验对象,基于可拓熵理论的评价方法对各沟危险性评价的结果与现有资料完全吻合,从而验证该方法的有效性;进一步以危险评价模型对美姑河柳洪沟流域进行泥石流危险性评价,评价结果同样与现场勘察情况相一致。评价结果表明,基于可拓熵理论的模型能准确地评价泥石流危险等级,开发软件大大减少评价的工作量。     

A real-world application of Monte Carlo procedure for debris flow risk assessment

A method for formal risk analysis in debris flow-prone areas is proposed. In this paper risk is defined as the mean annual probability for buildings located in hazardous areas to be damaged by a debris flow. As is well known, specific risk assessment involves the evaluation of both hazard and vulnerability. To quantify debris flow hazard, a Monte Carlo procedure is applied that randomly selects the input variables of mathematical models simulating triggering, propagation and stoppage of debris flows. This allows to estimate the probability density function of the output variables characterizing the destructive power of debris flow (for instance total force, sum of hydrostatic and hydrodynamic forces) at each point of the alluvial fan. Three different vulnerability functions are adopted: two of them are derived from assessments of different types of natural risk, such as snow avalanches and flood waves. The third vulnerability function is obtained from structural analysis of buildings damaged during a mudflow that occurred in Sarno, Italy.The proposed procedure is applied to assess specific risk on the alluvial fan of Ardenno, located in the Valtellina valley, Italian Alps, and the effect that the use of different vulnerability functions has on the risk maps is explored and discussed.     

Morphology and autowave metric on CNN applied to bubble-debris classification

We present the initial results of cellular neural network (CNN)-based autowave metric to high-speed pattern recognition of gray-scale images. The approach is applied to a problem involving separation of metallic wear debris particles from air bubbles. This problem arises in an optical-based system for determination of mechanical wear. This paper focuses on distinguishing debris particles suspended in the oil flow from air bubbles and using the CNN technology to create an online fault monitoring system. The goal is to develop a classification system with an extremely low false alarm rate for misclassified bubbles. The CNN algorithm detects and classifies single bubbles and bubble groups using binary morphology and autowave metric. The debris particles are separated based on autowave distances computed between bubble models and the unknown objects. Initial experiments indicate that the proposed algorithm is robust and noise tolerant and when implemented on a CNN universal chip it provides a solution in real time.