摘要
本申请实施例提供了一种滑坡易发性预测方法、系统、设备及计算机可读存储介质,该方法包括:获取待划分的地形图像;其中,地形图像为基于数字地形图像提取的坡向和山体阴影图;通过多尺度算法,对地形图像进行区域划分,得到斜坡单元;其中,多尺度算法用于对地形进行斜坡单元划分;基于斜坡单元,进行环境因子提取,确定多个评价因子;通过滑坡易发性预测模型,基于多个评价因子对斜坡单元进行滑坡易发性预测,得到斜坡单元对应的滑坡易发性预测结果;其中,滑坡易发性预测模型包括:自组织映射神经网络模块、信息量模块和支持向量机模块;滑坡易发性预测模型为采用历史滑坡数据训练好的,用于对斜坡单元进行滑坡预测的模型。上述方案中,可以提高滑坡易发性预测的准确率。
技术关键词
斜坡单元
易发性预测方法
因子
多尺度
数字地形图
支持向量机
影像
训练样本数据
算法
模块
可读存储介质
存储计算机程序
组织
预测系统
存储器
处理器
参数
系统为您推荐了相关专利信息
气象
监测预警方法
参数
监测预警系统
LOF算法
融合人工智能
环流
多尺度空间特征提取方法
时间卷积网络
深度学习模型
形变监测系统
重型车辆
指数
环境质量数据
混凝土喷射机器人
智能管理系统
支持向量机模型
动力
远程数据采集终端
双曲正切函数