Logistic regression versus artificial neural networks: landslide susceptibility evaluation in a sample area of the Serchio River valley,Italy

This article presents a multidisciplinary approach to landslide susceptibility mapping by means of logistic regression, artificial neural network, and geographic information system (GIS) techniques. The methodology applied in ranking slope instability developed through statistical models (conditional analysis and logistic regression), and neural network application, in order to better understand the relationship between the geological/geomorphological landforms and processes and landslide occurrence, and to increase the performance of landslide susceptibility models. The proposed experimental study concerns with a wide research project, promoted by the Tuscany Region Administration and APAT-Italian Geological Survey, aimed at defining the landslide hazard in the area of the Sheet 250 “Castelnuovo di Garfagnana” (1:50,000 scale). The study area is located in the middle part of the Serchio River basin and is characterized by high landslide susceptibility due to its geological, geomorphological, and climatic features, among the most severe in Italy. Terrain susceptibility to slope failure has been approached by means of indirect-quantitative statistical methods and neural network software application. Experimental results from different methods and the potentials and pitfalls of this methodological approach have been presented and discussed. Applying multivariate statistical analyses made it possible a better understanding of the phenomena and quantification of the relationship between the instability factors and landslide occurrence. In particular, the application of a multilayer neural network, equipped for supervised learning and error control, has improved the performance of the model. Finally, a first attempt to evaluate the classification efficiency of the multivariate models has been performed by means of the receiver operating characteristic (ROC) curves analysis approach.     

叠前正演模拟与偏移的网络并行计算

在叠前深度偏移和非零炮检距声波方程正演计算过程中包含了大量的可并行计算的成分。作者在本文中提出叠前正演模拟与偏移的网络并行计算算法，并基于TCP／IP协议，将该算法设计成网络并行处理程序，极大地提高了计算效率。实际运算结果证明，本文提出的并行算法和技术路线是切实可行的。     

基于改进BP网络算法的隧洞围岩分类

围岩分类对指导地下工程的设计和施工具有非常重要的意义.引入人工神经网络的方法, 进行隧洞围岩分类, 在传统BP算法的基础上, 通过改进学习算法、优化传递函数和网络结构进行神经网络方法优化.采用附加动量法和学习速率自适应调整的策略改进学习算法, 使得当误差大于上临界值时, 则降低学习率, 当误差小于下临界值时, 则适当提高学习率, 这样可加快网络的训练速度, 确保网络的稳定性; 通过引入调整学习率参数, 使得传递过程更加敏感, 加快了传递函数的收敛速度, 提高了训练函数的计算精度; 通过给定隐含层节点模型的取值范围, 对网络结构进行优化, 提高了泛化精度.将改进的BP网络模型应用于广东省东深供水改造工程的隧洞围岩分类中, 分类结果与根据《水工隧洞设计规范(SL279-2002) 》的分类结果完全一致, 表明该方法具有良好的工程实用性.      

3S技术在黑龙江省防汛指挥系统中的应用

文章简要介绍了黑龙江省防汛指挥系统建设的目标 ,论述了 3S技术是该系统应用的关键技术 ,以及展现了 3S技术在该系统应用的发展趋势。     

PTY－8Ⅲ型地震遥测设备的研制及遥测地震台网观测系统的改造

介绍了最新研制的ＰＴＹ－８Ⅲ型地震遥测设备以及北京遥测地震台网观测系统的更新与改造。     

水温前兆台网观测井条件研究

从水温前兆台网的现状入手,对观测井的类型、条件、传感器的观测深度及观测部位的温度特征等条件进行了分析总结,发现不同的水温正常动态类型与观测条件密切相关,并对正常动态与观测条件的关系作了初步分析,研究表明,传感器应在离开含水层和温度波动最小的层位进行观测.最后分析了水温前兆观测仪器的安装方法与观测条件,进而说明观测层位可...     

水库诱发地震地下水监测网建设的若干问题探讨

根据国内外已发生的水库诱发地震的基本特点,结合三峡工程诱发地震地下水监测网与金沙江下游水电工程地下水监测网建设的经验及我国地震地下水动态观测网建设与运行中得到的科学认识,探讨了水库诱发地震的地下水监测井网建设中的布网区及其范围、观测井间距确定、观测井位置选择、观测含水层选择与观测井深度和结构设计等若干技术问题.     

GIS在通信行业中的应用

为阐述GIS技术在通信行业中的应用前景, 从通信行业的发展以及运行网络管理现状出发, 结合GIS技术特点阐述了GIS技术引入通信网络的管理和业务的必要性和必然性.它的引入将从根本上改变通信管线网络规划、建设、管理及资料保存等方面的传统模式, 并为通信行业实现通信全资源、跨专业管理, 为运营商提供市场分析及预测、网络规划、工程设计、资源配置和分析、线路实时监控、应急保障等方法和手段.      

基于MapInfo数据格式在GIS应用环境下等值线综合方法实现

等值线构建是G IS开发、数字地图绘制重要的研究内容之一。重点讨论了基于M apInfo数据格式在G IS应用环境下等值线综合方法的实现,首先根据高程采样点跟踪等高线通过点,再利用五点光滑法、正轴抛物线加权平均光滑法以及M apX提供的光滑方法对等值线通过点进行光滑处理,从而绘制出光滑度好、准确美观的等值线,同时发现M apX所提供的光滑方法可能利用的就是正轴抛物线加权平均光滑法。通过大量的数据验证了绘制的正确性。     

基于卷积神经网络与条件随机场方法提取乡镇非正规固体废弃物

随着村镇经济建设发展,生活垃圾和工业固体废弃物造成的污染问题日益突出,已经成为制约新农村建设发展和生态文明建设的关键问题,而目前针对乡镇非正规固体废弃物的调查与统计主要依赖全国各乡镇相关部门逐级调查上报,工作量较大。本文基于高分辨率遥感影像,将深度学习模型和条件随机场模型相结合引入到乡镇固体废弃物的提取研究中,探索一种基于深度卷积神经网络的乡镇固体废弃物提取模型。由于固体废弃物在影像上表现为面积小,分布破碎等特点,为了提高工作效率,将模型特分为识别和提取2个部分：① 通过全连接卷积网络（CNN）对固体废弃物进行快速识别判断,筛选感兴趣区域影像块;② 在传统的全卷积神经网络(FCN)的基础上加入条件随机场模型(CRF)提取固体废弃物边界,提高整体分割精度。根据安徽、山西等地区相关部门上报固体废弃物堆放点以及住房与城乡建设部城乡规划管理中心进行野外检查的结果,实验最终识别精度达到86.87%以上;形状提取精度为89.84%,Kappa系数为0.7851,识别与提取精度均优于传统分类方法。同时,该方法已经逐步应用于住房和城乡建设部有关成都、兰州、河北等部分乡镇非正规固体废弃物的核查工作,取得了较为满意的结果。