中国科学院西部之光基金(08R2140140)
- 作品数：3 被引量：52H指数：3
- 相关作者：李秀珍孔纪名李朝凤崔云田述军更多>>
- 相关机构：中国科学院更多>>
- 发文基金：中国科学院西部之光基金国家自然科学基金四川省软科学研究计划更多>>
- 相关领域：天文地球环境科学与工程更多>>
- 汶川地震滑坡与地震参数及地质地貌因素之间的相关关系被引量：24
- 2010年
- 在对汶川地震诱发的典型滑坡进行野外调查和相关资料收集、分析和整理的基础上,对汶川地震滑坡与地震参数及坡度、岩土体特性等地质地貌因素之间的相关关系进行了统计分析。结果表明：（1）汶川地震滑坡主要发生在Ⅶ-Ⅺ烈度区,Ⅵ度及以下烈度区中发生的滑坡较少;（2）汶川地震滑坡主要发生在距震中300km的范围内,且距震中200km的范围内滑坡分布最为集中;（3）汶川地震滑坡的易发斜坡坡度为30°-50,°其中30°-40°是汶川地震滑坡发育最为敏感的坡度;（4）汶川地震滑坡主要发生在600-1500m的高程范围内,在600-1000m高程范围内的中低山和丘陵区滑坡分布最为集中;（5）砂泥岩、板岩、片岩、千枚岩等软岩类和土质类岩性是汶川地震滑坡的易发岩性,其次是软硬岩组合类,在统计的47个典型滑坡中,花岗岩、碳酸盐岩等硬岩类中发生的滑坡最少,而且由汶川地震直接导致复活的老滑坡也比较少。
- 李秀珍孔纪名崔云田述军
- 关键词：地震参数
- 多分类支持向量机在泥石流危险性区划中的应用被引量：12
- 2010年
- 以凉山州安宁河流域129个乡镇的泥石流危险性区划资料为依据,随机选取总样本数的2/3和1/2作为训练样本,建立不同数量训练样本下安宁河流域泥石流危险性区划的多分类SVM模型,进行以乡镇为单元的区域泥石流危险性评价研究。评价结果表明,SVM模型的预测精度随着训练样本数量的增加而提高;2个SVM模型对测试样本的预测准确率均高于相应的BP神经网络模型,对训练样本的回判准确率高于或接近于BP神经网络模型。因此,支持向量机方法是一种比神经网络方法具有更优精度和更强泛化性能的新机器学习方法,在泥石流危险性评价实践中具有十分广阔的应用前景和推广应用价值。
- 李秀珍孔纪名李朝凤
- 关键词：多分类支持向量机BP神经网络安宁河流域
- 基于Matlab的BP神经网络在泥石流危险性评价中的应用被引量：16
- 2010年
- 由于泥石流孕育环境、成灾条件及其诱发因素等的随机性、不确定性和模糊性,决定了泥石流是一种非常复杂的非线性系统。人工神经网络因其具有较强的自组织性、自适应性和自学习能力等优势,更适合于解决非线性问题。本文基于Matlab程序建立了区域泥石流危险性评价的BP神经网络模型,并将该模型应用于凉山州德昌县22个乡镇的区域泥石流危险性评价中,取得了良好的应用效果,评价预测的准确率高达95%。该方法不仅解决了泥石流危险度评价因子和评价等级之间的复杂非线性关系,而且过程简单,结果不受人为因素的影响,是一种具有应用价值、有效的泥石流危险性评价方法。
- 李秀珍孔纪名李朝凤
- 关键词：泥石流BP神经网络MATLAB
