CN111144656A - 一种基于gis的灾害评价分析方法 - Google Patents
一种基于gis的灾害评价分析方法 Download PDFInfo
- Publication number
- CN111144656A CN111144656A CN201911377683.1A CN201911377683A CN111144656A CN 111144656 A CN111144656 A CN 111144656A CN 201911377683 A CN201911377683 A CN 201911377683A CN 111144656 A CN111144656 A CN 111144656A
- Authority
- CN
- China
- Prior art keywords
- data
- disaster
- geological
- historical
- analysis
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000004458 analytical method Methods 0.000 title claims abstract description 58
- 238000011156 evaluation Methods 0.000 title claims abstract description 20
- 238000010223 real-time analysis Methods 0.000 claims abstract description 21
- 238000012549 training Methods 0.000 claims abstract description 15
- 238000012360 testing method Methods 0.000 claims abstract description 12
- 238000013528 artificial neural network Methods 0.000 claims abstract description 8
- 238000007781 pre-processing Methods 0.000 claims abstract description 5
- 230000006378 damage Effects 0.000 claims description 15
- 238000000034 method Methods 0.000 claims description 9
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 8
- 238000009826 distribution Methods 0.000 claims description 5
- 238000013210 evaluation model Methods 0.000 claims description 5
- 238000006073 displacement reaction Methods 0.000 claims description 3
- 239000002689 soil Substances 0.000 claims description 3
- 238000005457 optimization Methods 0.000 claims description 2
- 230000002441 reversible effect Effects 0.000 claims description 2
- 238000005516 engineering process Methods 0.000 description 8
- 230000006870 function Effects 0.000 description 5
- 238000011161 development Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 238000013523 data management Methods 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 238000012800 visualization Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000036961 partial effect Effects 0.000 description 1
- 238000013439 planning Methods 0.000 description 1
- 230000001681 protective effect Effects 0.000 description 1
- 230000002829 reductive effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 238000012876 topography Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- 238000013316 zoning Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/29—Geographical information databases
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Health & Medical Sciences (AREA)
- Strategic Management (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- General Health & Medical Sciences (AREA)
- Software Systems (AREA)
- General Business, Economics & Management (AREA)
- Mathematical Physics (AREA)
- Molecular Biology (AREA)
- Evolutionary Computation (AREA)
- Computational Linguistics (AREA)
- Development Economics (AREA)
- Biophysics (AREA)
- Databases & Information Systems (AREA)
- Biomedical Technology (AREA)
- Artificial Intelligence (AREA)
- Computing Systems (AREA)
- Marketing (AREA)
- Life Sciences & Earth Sciences (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Entrepreneurship & Innovation (AREA)
- Game Theory and Decision Science (AREA)
- Remote Sensing (AREA)
- Educational Administration (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种基于GIS的灾害评价分析方法,涉及地质灾害分析评价技术领域,本发明包括采集观测地的历史气象数据、地质信息基本数据和历史地质灾害数据;预处理,分为训练数据集和测试数据集;构建基于GIS的神经网络分析模型,对分析模型进行训练,反向优化模型参数;对分析模型进行测试,输出训练好的分析模型;实时采集观测地的气象数据和地质数据,利用训练好的分析模型对气象数据和地质数据进行分析,输出实时分析结果;利用实时分析结果、历史气象数据、历史地质灾害数据和地质信息基本数据构建预警分级模型,预警分级模型根据实时分析结果输出当前最佳预警措施,本发明提高了实时分析结果的精准性,降低了灾害造成的损失。
Description
技术领域
本发明涉及地质灾害分析评价技术领域,更具体的是涉及一种基于GIS的灾害评价分析方法。
背景技术
地理信息***(Geographic Information System或Geo-Information system,GIS)有时又称为“地学信息***”。它是一种特定的十分重要的空间信息***。它是在计算机硬、软件***支持下,对整个或部分地球表层(包括大气层)空间中的有关地理分布数据进行采集、储存、管理、运算、分析、显示和描述的技术***。GIS是一种基于计算机的工具,它可以对空间信息进行分析和处理,简而言之,是对地球上存在的现象和发生的事件进行成图和分析。GIS技术把地图这种独特的视觉化效果和地理分析功能与一般的数据库操作(例如查询和统计分析等)集成在一起。
目前GIS在气象领域的应用越来越普及,更多的气象工作者已经认识到地理信息***技术的使用价值,无论是在气象资料管理、农业气候区划、气象灾害评估、大气成分变化趋势预测以及气象建模分析评价及提供辅助决策方面,地理信息***都发挥着不可替代的作用。随着气象业务的发展和3S技术的不断成熟与完善,GIS技术在气象领域也会有更广泛深入的应用,气象业务必将迎来一个快速的发展阶段。GIS作为一门重要的信息技术,已经深入到天气预报应用、人工影响天气、地质灾害气象预报、气象灾害评估、气象资料管理与可视化分析以及综合气象服务***等气象业务方面,其技术也已经从传统的二维扩展到三维。MapGIS IGSS 3D面向专业的三维GIS应用需求,实现对气象数据的管理、分析,以三维可视化的方式直观表现气象成果,使气象行业信息化地满足气象业务、科研和服务对气象信息资源共享的需求,提高气象分析的精确度和应急决策的科学性。我国地域辽阔,地形地貌复杂,气象的时空分布差异大,自然灾害频繁。从古到今我国人民既受益于天气,也受害于天气。随着环境的变化,气象问题越来越受到重视,在传统数据收集、规划、管理技术的基础上引进先进的3D GIS技术,将更有助于加快信息的获取、更新,促进气象行业的发展。
现有的灾害监测预警方法主要是通过CCD传感器如照相或摄像,雨量计等电子设备对地质现场进行监测,直观判断灾害是否发生以及发生的规模,但无法对即将发生的灾害进行预警,以及对正在发生的灾害进行分析评价,提供有效的保护救援措施。
发明内容
本发明的目的在于:为了解决现有技术无法对即将发生的灾害进行预警以及无法对正在发生的灾害进行分析评价,提供有效的保护救援措施,导致灾害造成重大损失的问题,本发明提供一种基于GIS的灾害评价分析方法。
本发明为了实现上述目的具体采用以下技术方案:
一种基于GIS的灾害评价分析方法,包括如下步骤:
S1:采集观测地的历史气象数据、地质信息基本数据和历史地质灾害数据,基于地质信息基本数据构建观测地的多源GIS数据库;
S2:对历史气象数据和历史地质灾害数据进行预处理,然后按照预设的比例随机分为训练数据集和测试数据集;
S3:构建基于GIS的神经网络分析模型,利用训练数据集中的数据对分析模型进行训练,反向优化模型参数;
S4:利用测试数据集对分析模型进行测试,直至分析模型的分析正确率达到阈值,输出训练好的分析模型;
S5:实时采集观测地的气象数据和地质数据,利用训练好的分析模型对气象数据和地质数据进行分析,输出实时分析结果,得到是否发生灾害的结果,若发生灾害,则实时分析结果包括对当前灾害的类别、破坏强度和破坏能力的评估;
S6:利用实时分析结果、历史气象数据、历史地质灾害数据和地质信息基本数据构建预警分级模型,预警分级模型根据实时分析结果输出当前最佳预警措施。
进一步的,所述S1中,历史气象数据包括但不限于:观测地四季降雨量、温度值、湿度值、高空气旋压力、风向、风力和风场周边气压。
进一步的,所述S1中,地质信息基本数据包括但不限于:观测地地理位置、社会经济概况、河流水系、地质样貌、土壤类型及分布和土地利用类型。
进一步的,所述S1中,历史地质灾害数据包括但不限于:洪灾河流水流量、泥石流灾害临界水量、流域面积、山体边坡软弱结构面或结构带所产生的剪切位移而整体向斜坡下方移动距离、地壳运动的距离和地壳内温度。
进一步的,所述S2中对历史气象数据和历史地质灾害数据进行预处理,具体是:将历史气象数据和历史地质灾害数据进行归一化处理,然后对归一化后的历史气象数据和历史地质灾害数据进行关联匹配。
进一步的,所述基于GIS的神经网络分析模型具有输入层、三层卷积层、两层深度可分离卷积层以及输出层。
进一步的,所述S3中,反向优化所采用的是FI评价模型。
进一步的,所述预警分级模型对历史气象数据和历史地质灾害数据进行学习,基于实时分析结果中对当前灾害的类别、破坏强度和破坏能力的评估以及地质信息基本数据制定最佳预警措施。
本发明的有益效果如下:
1、本发明通过基于GIS的神经网络分析模型对实时监测到的气象数据和地质数据进行评价分析,由于分析模型是经过严格的训练的,因此,确保了实时分析结果的精准性。
2、本发明通过预警分级模型对实时分析结果进行分级,针对滑坡和泥石流两种不同的灾害类型以及破坏强度和破坏能力制定灾害等级,输出最佳预警措施,确保灾害造成的损失降低到最低。
附图说明
图1是本发明的方法流程示意图。
具体实施方式
为了本技术领域的人员更好的理解本发明,下面结合附图和以下实施例对本发明作进一步详细描述。
实施例1
如图1所示,本实施例提供一种基于GIS的灾害评价分析方法,包括如下步骤:
S1:采集观测地的历史气象数据、地质信息基本数据和历史地质灾害数据,基于地质信息基本数据构建观测地的多源GIS数据库;
其中,历史气象数据包括但不限于:观测地四季降雨量、温度值、湿度值、高空气旋压力、风向、风力和风场周边气压;地质信息基本数据包括但不限于:观测地地理位置、社会经济概况、河流水系、地质样貌、土壤类型及分布和土地利用类型;历史地质灾害数据包括但不限于:洪灾河流水流量、泥石流灾害临界水量、流域面积、山体边坡软弱结构面或结构带所产生的剪切位移而整体向斜坡下方移动距离、地壳运动的距离和地壳内温度;
S2:对历史气象数据和历史地质灾害数据进行预处理,然后按照预设的比例随机分为训练数据集和测试数据集,具体的,将历史气象数据和历史地质灾害数据进行归一化处理,然后对归一化后的历史气象数据和历史地质灾害数据进行关联匹配,本实施例中关联匹配是为了使分析模型能够在相应气象状况出现时,对对应的地质灾害进行预判,提高分析模型的训练精准度,最后将匹配后的归一化的历史气象数据和历史地质灾害数据按照7:3的比例分为训练数据集和测试数据集;
S3:构建基于GIS的神经网络分析模型,利用训练数据集中的数据对分析模型进行训练,利用F1评价模型对分析模型进行网络参数优化,反向优化模型参数;
所述基于GIS的神经网络分析模型具有输入层、三层卷积层、两层深度可分离卷积层以及输出层,其中卷积层包括32个卷积核,每个卷积核大小为3*3,步长为1;深度可分离卷积层包括256个卷积核,每个卷积核大小为3*3;
训练流程为:初始化分析模型网络参数和损失函数,将训练数据集中的数据输入分析模型,计算得到实际的输出、每层损失函数和F1评价模型,按照随机梯度递减的方式极小化损失函数,然后利用极小化的损失函数反向计算分析模型网络参数,对模型参数进行更新,直到F1评价模型结果理想;
S4:利用测试数据集对分析模型进行测试,直至分析模型的分析正确率达到阈值,本实施例中阈值设定为85%,输出训练好的分析模型;
S5:实时采集观测地的气象数据和地质数据,利用训练好的分析模型对气象数据和地质数据进行分析,输出实时分析结果,得到是否发生灾害的结果,并将实时分析结果显示在多源GIS数据库中,若发生灾害,则实时分析结果包括对当前灾害的类别、破坏强度和破坏能力的评估;
S6:利用实时分析结果、历史气象数据、历史地质灾害数据和地质信息基本数据构建预警分级模型,预警分级模型对历史气象数据和历史地质灾害数据进行学习,基于实时分析结果中对当前灾害的类别、破坏强度和破坏能力的评估以及地质信息基本数据制定最佳预警措施,预警分级模型根据实时分析结果输出当前最佳预警措施。
以上所述,仅为本发明的较佳实施例,并不用以限制本发明,本发明的专利保护范围以权利要求书为准,凡是运用本发明的说明书及附图内容所作的等同结构变化,同理均应包含在本发明的保护范围内。
Claims (8)
1.一种基于GIS的灾害评价分析方法,其特征在于,包括如下步骤:
S1:采集观测地的历史气象数据、地质信息基本数据和历史地质灾害数据,基于地质信息基本数据构建观测地的多源GIS数据库;
S2:对历史气象数据和历史地质灾害数据进行预处理,然后按照预设的比例随机分为训练数据集和测试数据集;
S3:构建基于GIS的神经网络分析模型,利用训练数据集中的数据对分析模型进行训练,反向优化模型参数;
S4:利用测试数据集对分析模型进行测试,直至分析模型的分析正确率达到阈值,输出训练好的分析模型;
S5:实时采集观测地的气象数据和地质数据,利用训练好的分析模型对气象数据和地质数据进行分析,输出实时分析结果,得到是否发生灾害的结果,若发生灾害,则实时分析结果包括对当前灾害的类别、破坏强度和破坏能力的评估;
S6:利用实时分析结果、历史气象数据、历史地质灾害数据和地质信息基本数据构建预警分级模型,预警分级模型根据实时分析结果输出当前最佳预警措施。
2.根据权利要求1所述的一种基于GIS的灾害评价分析方法,其特征在于,所述S1中,历史气象数据包括但不限于:观测地四季降雨量、温度值、湿度值、高空气旋压力、风向、风力和风场周边气压。
3.根据权利要求1所述的一种基于GIS的灾害评价分析方法,其特征在于,所述S1中,地质信息基本数据包括但不限于:观测地地理位置、社会经济概况、河流水系、地质样貌、土壤类型及分布和土地利用类型。
4.根据权利要求1所述的一种基于GIS的灾害评价分析方法,其特征在于,所述S1中,历史地质灾害数据包括但不限于:洪灾河流水流量、泥石流灾害临界水量、流域面积、山体边坡软弱结构面或结构带所产生的剪切位移而整体向斜坡下方移动距离、地壳运动的距离和地壳内温度。
5.根据权利要求1所述的一种基于GIS的灾害评价分析方法,其特征在于,所述S2中对历史气象数据和历史地质灾害数据进行预处理,具体是:将历史气象数据和历史地质灾害数据进行归一化处理,然后对归一化后的历史气象数据和历史地质灾害数据进行关联匹配。
6.根据权利要求1所述的一种基于GIS的灾害评价分析方法,其特征在于,所述基于GIS的神经网络分析模型具有输入层、三层卷积层、两层深度可分离卷积层以及输出层。
7.根据权利要求1所述的一种基于GIS的灾害评价分析方法,其特征在于,所述S3中,反向优化所采用的是FI评价模型。
8.根据权利要求1所述的一种基于GIS的灾害评价分析方法,其特征在于,所述预警分级模型对历史气象数据和历史地质灾害数据进行学习,基于实时分析结果中对当前灾害的类别、破坏强度和破坏能力的评估以及地质信息基本数据制定最佳预警措施。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911377683.1A CN111144656A (zh) | 2019-12-27 | 2019-12-27 | 一种基于gis的灾害评价分析方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911377683.1A CN111144656A (zh) | 2019-12-27 | 2019-12-27 | 一种基于gis的灾害评价分析方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111144656A true CN111144656A (zh) | 2020-05-12 |
Family
ID=70521000
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911377683.1A Pending CN111144656A (zh) | 2019-12-27 | 2019-12-27 | 一种基于gis的灾害评价分析方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111144656A (zh) |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111898802A (zh) * | 2020-07-08 | 2020-11-06 | 贵州电网有限责任公司 | 一种基于深度神经网络的电网灾情评估方法 |
CN112036680A (zh) * | 2020-07-08 | 2020-12-04 | 贵州电网有限责任公司 | 一种基于深度神经网络的电网灾情应急演练管理*** |
CN112382043A (zh) * | 2020-10-23 | 2021-02-19 | 杭州翔毅科技有限公司 | 基于卫星监测的灾害预警方法、设备、存储介质及装置 |
CN112508732A (zh) * | 2020-11-05 | 2021-03-16 | 生态环境部南京环境科学研究所 | 一种水环境安全预警预测方法 |
CN112735094A (zh) * | 2020-12-17 | 2021-04-30 | 中国地质环境监测院 | 基于机器学习的地质灾害预测方法、装置和电子设备 |
CN113159532A (zh) * | 2021-04-01 | 2021-07-23 | 兰州天泉信息科技有限公司 | 一种面向智能消防指挥***的辅助决策关键技术 |
CN113611084A (zh) * | 2021-09-29 | 2021-11-05 | 中通服建设有限公司 | 一种针对自然灾害可视化监测预警方法、装置和设备 |
CN114063063A (zh) * | 2021-09-09 | 2022-02-18 | 浙江浙能天然气运行有限公司 | 基于合成孔径雷达和点状传感器的地质灾害监测方法 |
CN114723912A (zh) * | 2022-06-10 | 2022-07-08 | 中国地质科学院地质力学研究所 | 一种基于gis建模的地质检测数据分析方法及*** |
CN115660424A (zh) * | 2022-10-28 | 2023-01-31 | 国网四川省电力公司 | 一种基于gis的灾害要素分析预警*** |
CN116912070A (zh) * | 2023-09-14 | 2023-10-20 | 北京国信华源科技有限公司 | 一种gis与多源数据融合的安全预报警方法及*** |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103700054A (zh) * | 2013-12-10 | 2014-04-02 | 中国地质大学武汉 | 一种突发地质灾害应急预案数字化*** |
CN103914951A (zh) * | 2014-04-03 | 2014-07-09 | 云南电力试验研究院(集团)有限公司电力研究院 | 基于gis电网自然灾害数据信息挖掘与预警响应分析方法 |
CN104952212A (zh) * | 2014-09-04 | 2015-09-30 | 国网山东省电力公司应急管理中心 | 一种基于电网gis的地质灾害预警方法及装置 |
CN109615118A (zh) * | 2018-11-23 | 2019-04-12 | 泉州装备制造研究所 | 基于大数据地质灾害防治信息化服务集成控制***及方法 |
CN109815916A (zh) * | 2019-01-28 | 2019-05-28 | 成都蝉远科技有限公司 | 一种基于卷积神经网络算法的植被种植区域识别方法及*** |
CN110084195A (zh) * | 2019-04-26 | 2019-08-02 | 西安电子科技大学 | 基于卷积神经网络的遥感图像目标检测方法 |
WO2019214453A1 (zh) * | 2018-05-11 | 2019-11-14 | 深圳双猴科技有限公司 | 一种内容分享***、方法、标注方法、服务器及终端设备 |
-
2019
- 2019-12-27 CN CN201911377683.1A patent/CN111144656A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103700054A (zh) * | 2013-12-10 | 2014-04-02 | 中国地质大学武汉 | 一种突发地质灾害应急预案数字化*** |
CN103914951A (zh) * | 2014-04-03 | 2014-07-09 | 云南电力试验研究院(集团)有限公司电力研究院 | 基于gis电网自然灾害数据信息挖掘与预警响应分析方法 |
CN104952212A (zh) * | 2014-09-04 | 2015-09-30 | 国网山东省电力公司应急管理中心 | 一种基于电网gis的地质灾害预警方法及装置 |
WO2019214453A1 (zh) * | 2018-05-11 | 2019-11-14 | 深圳双猴科技有限公司 | 一种内容分享***、方法、标注方法、服务器及终端设备 |
CN109615118A (zh) * | 2018-11-23 | 2019-04-12 | 泉州装备制造研究所 | 基于大数据地质灾害防治信息化服务集成控制***及方法 |
CN109815916A (zh) * | 2019-01-28 | 2019-05-28 | 成都蝉远科技有限公司 | 一种基于卷积神经网络算法的植被种植区域识别方法及*** |
CN110084195A (zh) * | 2019-04-26 | 2019-08-02 | 西安电子科技大学 | 基于卷积神经网络的遥感图像目标检测方法 |
Non-Patent Citations (7)
Title |
---|
刘勇等: "《智能优化算法》", 31 August 2019, 上海人民出版社 * |
叶先进: "基于GIS和BP神经网络的地质灾害风险评价***", 《电脑知识与技术》 * |
夏学生: "泰安市地质灾害预警预报***研究", 《科技视界》 * |
束景晓等: "基于深层卷积神经网络的公路边坡灾害识别研究", 《公路交通科技(应用技术版)》 * |
赵鹏辉等: "河道山地灾害的卷积神经网络快速识别方法", 《水利水运工程学报》 * |
陈鹏展: "《个体行为的机器识别与决策协同》", 31 July 2018, 知识产权出版社 * |
顾华奇等: "基于深度学习的滑坡监测与早期预警方法研究", 《江西科学》 * |
Cited By (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111898802A (zh) * | 2020-07-08 | 2020-11-06 | 贵州电网有限责任公司 | 一种基于深度神经网络的电网灾情评估方法 |
CN112036680A (zh) * | 2020-07-08 | 2020-12-04 | 贵州电网有限责任公司 | 一种基于深度神经网络的电网灾情应急演练管理*** |
CN113379326A (zh) * | 2020-07-08 | 2021-09-10 | 贵州电网有限责任公司 | 一种基于深度神经网络的电网灾情应急演练管理*** |
CN112382043A (zh) * | 2020-10-23 | 2021-02-19 | 杭州翔毅科技有限公司 | 基于卫星监测的灾害预警方法、设备、存储介质及装置 |
CN112508732A (zh) * | 2020-11-05 | 2021-03-16 | 生态环境部南京环境科学研究所 | 一种水环境安全预警预测方法 |
CN112735094A (zh) * | 2020-12-17 | 2021-04-30 | 中国地质环境监测院 | 基于机器学习的地质灾害预测方法、装置和电子设备 |
CN113159532A (zh) * | 2021-04-01 | 2021-07-23 | 兰州天泉信息科技有限公司 | 一种面向智能消防指挥***的辅助决策关键技术 |
CN114063063A (zh) * | 2021-09-09 | 2022-02-18 | 浙江浙能天然气运行有限公司 | 基于合成孔径雷达和点状传感器的地质灾害监测方法 |
CN113611084B (zh) * | 2021-09-29 | 2021-12-21 | 中通服建设有限公司 | 一种针对自然灾害可视化监测预警方法、装置和设备 |
CN113611084A (zh) * | 2021-09-29 | 2021-11-05 | 中通服建设有限公司 | 一种针对自然灾害可视化监测预警方法、装置和设备 |
CN114723912A (zh) * | 2022-06-10 | 2022-07-08 | 中国地质科学院地质力学研究所 | 一种基于gis建模的地质检测数据分析方法及*** |
CN114723912B (zh) * | 2022-06-10 | 2022-08-30 | 中国地质科学院地质力学研究所 | 一种基于gis建模的地质检测数据分析方法及*** |
CN115660424A (zh) * | 2022-10-28 | 2023-01-31 | 国网四川省电力公司 | 一种基于gis的灾害要素分析预警*** |
CN115660424B (zh) * | 2022-10-28 | 2024-02-13 | 国网四川省电力公司 | 一种基于gis的灾害要素分析预警*** |
CN116912070A (zh) * | 2023-09-14 | 2023-10-20 | 北京国信华源科技有限公司 | 一种gis与多源数据融合的安全预报警方法及*** |
CN116912070B (zh) * | 2023-09-14 | 2023-12-05 | 北京国信华源科技有限公司 | 一种gis与多源数据融合的安全预报警方法及*** |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111144656A (zh) | 一种基于gis的灾害评价分析方法 | |
CN109584510B (zh) | 一种基于评估函数训练的道路高边坡滑坡灾害预警方法 | |
CN108960599B (zh) | 基于反演算法的输电线路暴雨灾害精细化预测方法及*** | |
CN114118677A (zh) | 基于物联网的尾矿库风险监测预警*** | |
CN109000158B (zh) | 基于物联网和bim的管道渗漏预警***、方法及其应用 | |
CN111651885A (zh) | 一种智慧型海绵城市洪涝预报方法 | |
CN110852577A (zh) | 基于城市韧性与城市流域水文模型的城市洪涝评估方法 | |
CN113591572B (zh) | 基于多源数据和多时相数据的水土流失定量监测方法 | |
CN113470333A (zh) | 一种线路工程走廊浅层滑坡危险性评估及监测预警*** | |
CN111582597B (zh) | 一种输电线路滑坡危险性预测方法及其设备 | |
CN110646867A (zh) | 一种城市排水监测预警方法和*** | |
Sahli et al. | Mapping surface water erosion potential in the Soummam watershed in Northeast Algeria with RUSLE model | |
CN114201922A (zh) | 基于InSAR技术的动态滑坡敏感性预测方法及*** | |
CN102184423B (zh) | 一种全自动的区域不透水面遥感信息精确提取方法 | |
CN113554345B (zh) | 地震滑坡灾害区域及灾害链风险评估方法 | |
Zhao et al. | Radial pressure profile of typhoon field near ground surface observed by distributed meteorologic stations | |
CN113987810A (zh) | 一种流域尺度下暴雨洪水的数值预报方法 | |
CN111199298A (zh) | 基于神经网络的洪水预报方法与*** | |
CN109190593B (zh) | 基于凹凸类别划分的山区道路沿线边坡稳定性初步判别方法 | |
Mulligan | Modelling catchment hydrology | |
CN116110210B (zh) | 复杂环境下数据驱动的滑坡灾害辅助决策方法 | |
CN112380662B (zh) | 一种山洪灾害人口损失评估模型的构建方法及其应用 | |
Chandramohan et al. | Estimation of soil erosion potential using universal soil loss equation | |
CN116502748A (zh) | 融合多影响因素的滑坡空间风险性预警决策机制研究方法 | |
Zhou | Fractal and multifractal analysis of runoff time series and stream networks in agricultural watersheds |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200512 |