Obtenga beneficios adicionales
Aún no tiene una suscripción a Virtual Pro?
Para acceder a este contenido se requiere una suscripción
Obtenga beneficios adicionales
Aún no tiene una suscripción a Virtual Pro?
Para acceder a este contenido se requiere una suscripción
El objetivo principal de este estudio es aplicar y comparar la racionalidad de los mapas de susceptibilidad a los corrimientos de tierras utilizando modelos de mquina de vectores soporte (SVM) y de optimizacin de enjambre de partculas acoplada a mquina de vectores soporte (PSO-SVM) en el condado de Lueyang (China), mejorar la conexin con el terreno natural y analizar la aplicacin de unidades de cuadrcula y unidades de pendiente. Se identificaron un total de 186 ubicaciones de corrimientos de tierras mediante informes anteriores y estudios de campo. El inventario de desprendimientos se dividi aleatoriamente en dos partes: el 70% para el conjunto de datos de entrenamiento y el 30% para el conjunto de datos de validacin. Basndose en los datos de mltiples fuentes y en el entorno geolgico, se seleccionaron 16 factores condicionantes de los corrimientos de tierras, incluidos los factores de control y los factores desencadenantes (es decir, altitud, ngulo de la pendiente, aspecto de la pendiente, curvatura del plano, curvatura del perfil, SPI, TPI, TRI, litologa, distancia a las fallas, TWI, distancia a los ros, NDVI, distancia a las carreteras, uso del suelo y precipitaciones). La susceptibilidad entre cada factor condicionante y el deslizamiento se dedujo utilizando un modelo de factor de certeza. Posteriormente, combinados con unidades de cuadrcula y unidades de pendiente, los modelos de susceptibilidad a los corrimientos de tierras se llevaron a cabo mediante los mtodos SVM y PSO-SVM. La capacidad de precisin de la cartografa de susceptibilidad a deslizamientos producida por diferentes modelos y unidades se verific mediante una curva receiver operating characteristic (ROC). Los resultados mostraron que el modelo PSO-SVM basado en unidades de pendiente tuvo el mejor rendimiento en la cartografa de susceptibilidad a deslizamientos, y los valores del rea bajo la curva (AUC) de los conjuntos de datos de entrenamiento y validacin son 0,945 y 0,9245, respectivamente. Por lo tanto, el algoritmo de aprendizaje automtico combinado con las unidades de pendiente puede considerarse una tcnica fiable y eficaz para la cartografa de la susceptibilidad a los corrimientos de tierras.
Esta es una versión de prueba de citación de documentos de la Biblioteca Virtual Pro. Puede contener errores. Lo invitamos a consultar los manuales de citación de las respectivas fuentes.
Artículo:
Modelo de Decisión Difusa Intuicionista a Intervalos con Información Anormal y su Aplicación en la Selección de Talentos
Artículo:
Controlabilidad aproximada para inclusiones diferenciales fraccionarias impulsivas de Riemann-Liouville
Artículo:
Movimiento binormal de curvas con torsión constante en espacios tridimensionales
Artículo:
Valoración de primas de la Pension Benefit Guaranty Corporation con cambio de régimen
Artículo:
Un Enfoque PLS para Medir el Sentimiento de los Inversores en el Mercado de Valores Chino
Informe, reporte:
Diagnóstico sobre la logística del comercio internacional y su incidencia en la competitividad de las exportaciones de los países miembros
Artículo:
Nuevas necesidades cosméticas : tendencias y productos específicos
Manual:
Química de los taninos
Artículo:
Influencia del COVID-19 en las dinámicas de exportación, producción y consumo de carne vacuna en Colombia y el mundo: Una revisión monográfica.
Virtual Pro es un portal virtual de formación, investigación y comunicación especializado en procesos industriales.
� 2021, Virtual Pro �, una marca de Grupo INGCO. Todos los derechos reservados
