Approaches for Delineating Landslide Hazard Areas Using Different Training Sites in an Advanced Artificial Neural Network Model

作者：Biswajeet Pradhan,Ahmed M. Youssef,Renuganth Varathrajoo

摘要：當前的紙在卡梅倫區域附近論述山崩危險分析，馬來西亞，用在地理信息系統(GIS ) 和遙感的幫助下的先進人工的神經網絡技術。山崩地點被天線相片并且從領域調查的解釋在學習區域決定。地形學、地質的數據以及衛星圖象被收集，處理，并且構造進用 GIS 并且圖象處理的一個空間數據庫。十個因素為山崩危險包括被選擇：1 ) 與是的地形學有關的因素斜坡，方面，和彎曲；2 ) 與地質學有關的因素作為從貌的巖性學和距離；3 ) 與排水有關的因素作為從排水的距離；并且 4 ) 作為陸地蓋子和植被索引從 TM 衛星圖象提取的因素珍視。一個先進人工的神經網絡模型被用來分析這些因素以便建立山崩危險地圖。訓練方法的背繁殖被用于五個不同隨機的訓練地點的選擇以便計算因素重量然后山崩危險索引為每五張危險地圖被計算。最后，山崩危險地圖(五個盒子) 用 GIS 工具被準備。山崩危險地圖的結果用山崩測試地點被驗證了沒在神經網絡的訓練階段期間被使用。我們確認的調查結果結果為訓練地點顯示出 69% ， 75% ， 70% ， 83% 和 86% 的精確性 1， 2， 3， 4 和 5 分別地。GIS 數據被用來高效地分析大量數據，并且人工的神經網絡證明了是為山崩危險分析的一個有效工具。確認結果在山崩區域上顯示出在假定危險地圖和存在數據之間的足夠的同意。

發文機構：Institute of Cartography Faculty of Forestry Faculty of Engineering Saudi Geological Survey

關鍵詞：人工的神經網絡山崩危險GIS馬來西亞artificial neural networklandslide hazardGISMalaysia

分類號： P208[天文地球—地圖制圖學與地理信息工程][天文地球—測繪科學與技術]