文献

J-GLOBAL ID：201902251613775990   整理番号：19A1740068

深さニューラルネットワークに基づく地すべり危険性評価-深セン市を例に【JST・京大機械翻訳】

Landslide Susceptibility Assessment Based on Deep Neural Network:A Case Study of Shenzhen

著者 (3件)： Zhuang Yulong (北京大学遥感与地理信息系統研究所,北京,100871) ,  Tian Yuan (北京大学遥感与地理信息系統研究所,北京,100871) ,  Cheng Chuyun (北京大学遥感与地理信息系統研究所,北京,100871)
資料名： Dili Yu Dili Xinxi Kexue  (Dili Yu Dili Xinxi Kexue)
巻： 35  号： 2  ページ： 104-110,insert1  発行年： 2019年 
JST資料番号： C2669A  ISSN： 1672-0504  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： 本論文では,地滑り危険性評価の精度を中心目標として,地滑り危険性評価における深さニューラルネットワークの実現可能性と適用性を研究し,深さニューラルネットワークの強力な非線形学習と適合能力を十分に発揮し,より合理的な地滑り危険性評価結果を得た。地滑り災害が多発する深セン市を実例として、深セン市の815の歴史地滑りデータに基づき、深さニューラルネットワークのモデリング訓練を行った。一般化線形モデル及び分類と回帰ツリーモデルの訓練効果との比較により,深さニューラルネットワークのモデリング効果を評価し,深さニューラルネットワーク,一般化線形モデル及び分類と回帰ツリーモデルのAUC値は順に0.908,0.861及び0.857であった。訓練したモデルを深セン市全域に適用し、3種類のモデル出力の地滑り危険性評価の成果の合理性と信頼性に対して比較分析を行った。深さニューラルネットワークのモデリング精度が良好で、一般的な広義線形モデルや分類と回帰ツリーモデルより優れ、出力の地滑り危険性評価の成果は合理性があり、地滑りの危険性評価の作業に適している。Data from Wanfang. Translated by JST.【JST・京大機械翻訳】

シソーラス用語： 信頼性 ,  地滑り ,  *ニューラルネットワーク ,  学習 ,  *リスク評価 ,  適応性 ,  モデル ,  モデリング ,  線形モデル ,  比較分析 ,  合理性 ,  モデル出力 ,  地滑り危険度
準シソーラス用語： 訓練効果 ,  一般化線形モデル , 【Automatic Indexing@JST】

分類 (2件)： 自然災害  (RA02030M) ,  地質構造・テクトニクス  (DE04030Y)

タイトルに関連する用語 (4件)： ニューラルネットワーク ,  地すべり危険性 ,  評価 ,  深セン市