| 基于CNN的尾矿区水平位移监测数据分析 |
| |
| 引用本文： | 谢文珠,林童新,刘桂霞.基于CNN的尾矿区水平位移监测数据分析[J].北京测绘,2021,35(6):814-817. |
| |
| 作者姓名： | 谢文珠 林童新 刘桂霞 |
| |
| 作者单位： | 广东省地质测绘院,广东 广州510800;广州市花都区地籍测量队,广东 广州510800 |
| |
| 摘 要： | 基于卷积神经网络,对某尾矿区1997—2019年水平位移监测数据进行了方向自动识别.该法首先改进神经网络的卷积核并设计卷积-池化结构,然后将多年监测数据分类为训练集、验证集与测试集,并设置其构成比例与运行参数.实验结果表明,采用卷积神经网络模型进行尾矿区水平位移方向自动识别,具有较高的效率和精度,数据运行时间为636.5 s,识别相对精度为0.23％,该法不失为一种健壮性好、普适性强的水平位移方向识别新方法.
|
| 关 键 词： | 卷积神经网络 池化层 激活函数 观测矩阵 数据标签 |
Horizontal Displacement Monitoring Data Analysis of Tailings Area Based on Convolutional Neural Networks |
| |
| XIE Wenzhu,LIN Tongxin,LIU Guixia.Horizontal Displacement Monitoring Data Analysis of Tailings Area Based on Convolutional Neural Networks[J].Beijing Surveying and Mapping,2021,35(6):814-817. |
| |
| Authors: | XIE Wenzhu LIN Tongxin LIU Guixia |
| |
| Abstract: | |
| |
| Keywords: | |
| 本文献已被 CNKI 万方数据 等数据库收录！ |
|
