基于BP神经网络的怒江流域泥石流易发性动态区划模型研究_
地形、地貌、地质以及气候的错综复杂使怒江流域的泥石流触发机理研究尚不成熟，现有泥石流易发性区划成果受主观影响较大。时空大数据和机器学习技术的发展为无假设机制下的泥石流易发性风险评估研究提供了技术支撑。首先基于泥石流成因收集潜在的影响因子，通过相关性分析筛选出土壤质地（Clay、Silt、Sand）、NDVI、土壤类型、高程、坡度、坡向、降雨量（R0、R1、R2）以及历史灾害影响因子（Ho、Hd）等 13 个评价指标，并用上述指标训练最佳预测模型。将模型预测结果与云南省最新的泥石流隐患点分布进行对比分析，结果表明，该模型预测的泥石流高发生和极易发生区域的准确率达到了 77.5%和 73.8%，预测的泥石流灾害的准确率达到了 77.7%。研究成果可为泥石流防灾减灾工作提供有效参考
- 2021-06-24
- 阅读204
- 下载0
- 13页
- pdf
