论文摘要
城市内涝是当前典型的一类城市自然灾害,影响着居民的生活质量。以城市内涝点作为研究对象,综合考虑内涝对城市居民工作和生活等方面造成的影响,筛选出与影响程度相关的21类空间数据。同时,基于深度学习原理构建栈式自编码神经网络模型,结合层次分析法获取的内涝点影响程度标签,剖析21类空间数据与内涝点对居民工作生活影响程度的关系,实现城市内涝对居民工作和生活影响的定量分析。实验表明,栈式自编码神经网络模型能准确地描述内涝点周围的系列空间数据与内涝影响程度之间的关系,可有效预测潜在内涝点对居民工作和生活的影响程度大小,可用于城市防洪排涝方案的制定和排水管网的优化设计。
论文目录
文章来源
类型: 期刊论文
作者: 潘银,邵振峰,程涛,贺蔚
关键词: 深度学习,城市内涝,栈式自编码神经网络,层次分析法
来源: 武汉大学学报(信息科学版) 2019年01期
年度: 2019
分类: 基础科学,工程科技Ⅱ辑
专业: 建筑科学与工程
单位: 武汉大学测绘遥感信息工程国家重点实验室,武汉市政工程设计研究院有限责任公司
基金: 国家重点研发计划战略性国际科技创新合作重点专项(2016YFE0202300),广州市科技计划(201604020070),武汉市晨光计划(2016070204010114),湖北省重点研发计划(2016AAA018),国家自然科学基金(51508422,41771454)~~
分类号: TU992
DOI: 10.13203/j.whugis20170217
页码: 132-138
总页数: 7
文件大小: 2502K
下载量: 749
相关论文文献
标签：深度学习论文; 城市内涝论文; 栈式自编码神经网络论文; 层次分析法论文;