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：当前的纸在卡梅伦区域附近论述山崩危险分析，马来西亚，用在地理信息系统(GIS ) 和遥感的帮助下的先进人工的神经网络技术。山崩地点被天线相片并且从领域调查的解释在学习区域决定。地形学、地质的数据以及卫星图象被收集，处理，并且构造进用 GIS 并且图象处理的一个空间数据库。十个因素为山崩危险包括被选择：1 ) 与是的地形学有关的因素斜坡，方面，和弯曲；2 ) 与地质学有关的因素作为从貌的岩性学和距离；3 ) 与排水有关的因素作为从排水的距离；并且 4 ) 作为陆地盖子和植被索引从 TM 卫星图象提取的因素珍视。一个先进人工的神经网络模型被用来分析这些因素以便建立山崩危险地图。训练方法的背繁殖被用于五个不同随机的训练地点的选择以便计算因素重量然后山崩危险索引为每五张危险地图被计算。最后，山崩危险地图(五个盒子) 用 GIS 工具被准备。山崩危险地图的结果用山崩测试地点被验证了没在神经网络的训练阶段期间被使用。我们确认的调查结果结果为训练地点显示出 69% ， 75% ， 70% ， 83% 和 86% 的精确性 1， 2， 3， 4 和 5 分别地。GIS 数据被用来高效地分析大量数据，并且人工的神经网络证明了是为山崩危险分析的一个有效工具。确认结果在山崩区域上显示出在假定危险地图和存在数据之间的足够的同意。

发文机构：Institute of Cartography Faculty of Forestry Faculty of Engineering Saudi Geological Survey

关键词：人工的神经网络山崩危险GIS马来西亚artificial neural networklandslide hazardGISMalaysia

分类号： P208[天文地球—地图制图学与地理信息工程][天文地球—测绘科学与技术]