《基于空间信息格网和BP神经网络的洪灾损失快速评估》PDF下载

  • 购买积分:9 如何计算积分?
  • 作  者:刘小生著
  • 出 版 社:北京:冶金工业出版社
  • 出版年份:2015
  • ISBN:7502471189
  • 页数:192 页
图书介绍:1.阐述当前空间信息技术在洪灾评估的应用现状,提出研究理论需求;2. 研究洪灾面积的多源遥感快速提取方法;3. 利用空间信息格网技术,将洪灾区域划分为格网并进行致灾因子分析;4. 用遥感方法及相关模型快速提取致灾因子;5. 对现有神经网络模型进行改进及集成研究;6. 结合致灾因子划分,描述灾损样本的采集方法,利用样本训练神经网络,并将提取的因子与神经网络改进模型结合,构建洪灾损失快速评估模型;7. 开发洪灾损失快速评估系统并在鄱阳湖区应用;8. 总结与展望。

1 概述 1

1.1 空间信息技术在洪灾损失评估方面的研究进展 1

1.1.1 国外研究进展 1

1.1.2 国内研究进展 2

1.2 空间信息技术在洪灾损失评估应用中存在的问题 2

1.3 本书主要研究内容及章节安排 4

1.3.1 主要研究内容及技术路线 4

1.3.2 章节安排 4

参考文献 5

2 鄱阳湖区洪水灾害与防洪减灾 8

2.1 鄱阳湖区概况 8

2.1.1 湖区自然地理状况 8

2.1.2 湖区社会经济简况 10

2.2 鄱阳湖区洪水灾害 10

2.2.1 洪灾的成因、影响与特征 10

2.2.2 湖区洪涝与洪灾损失类型 12

2.3 鄱阳湖区防洪减灾进展 14

2.3.1 湖区防洪减灾工程措施 14

2.3.2 湖区防洪减灾非工程措施 16

2.3.3 湖区防洪减灾机遇与挑战 17

参考文献 18

3 格网划分及致灾因子分析 20

3.1 概述 20

3.1.1 格网概念 20

3.1.2 国内外研究现状 20

3.1.3 洪灾损失评估中引入格网的意义 21

3.2 气候因素对鄱阳湖区洪灾的影响 22

3.3 人为因素对鄱阳湖区洪灾的影响 23

3.4 地形地貌对鄱阳湖区洪灾的影响 24

3.5 鄱阳湖区洪灾防洪能力 25

3.6 鄱阳湖区洪灾承灾体易损性 26

3.6.1 鄱阳湖区承灾体的分类 27

3.6.2 鄱阳湖区洪灾易损性分析 28

3.7 影响洪灾的主要因子分析 30

参考文献 31

4 洪灾面积的多源遥感快速提取 33

4.1 洪灾面积调查与遥感提取概述 33

4.1.1 传统洪灾面积调查方法 33

4.1.2 遥感提取方法概述 34

4.1.3 目前遥感提取存在的主要问题 36

4.2 洪灾面积遥感提取有关技术方法 37

4.2.1 洪灾水体时空特征与遥感数据源选择 37

4.2.2 遥感影像去云方法 40

4.2.3 多源数据融合技术 51

4.3 洪灾面积提取方法比较与快速提取 53

4.3.1 鄱阳湖水域特点与遥感数据选择 53

4.3.2 提取方法比较 55

4.3.3 多源数据协同的洪灾面积快速提取 64

参考文献 88

5 影响洪灾的主要因子快速提取 91

5.1 致灾因子的提取 91

5.1.1 水深计算 91

5.1.2 洪水水位及降雨量获取与处理 93

5.2 地形条件因子的提取 93

5.3 地物分类及提取 95

5.3.1 地物光谱特征 95

5.3.2 地物提取 96

5.3.3 地物提取精度评定及试验结果分析 99

5.4 社会经济因子的获取 101

5.5 防洪能力因子的提取 101

5.5.1 水库防洪能力计算 102

5.5.2 圩堤防洪能力计算 103

参考文献 104

6 BP神经网络的改进及神经网络模型集成 106

6.1 BP神经网络简介 107

6.1.1 BP神经网络的由来 107

6.1.2 BP神经网络的基本概念 107

6.2 BP神经网络模型的构建 108

6.2.1 样本数据 108

6.2.2 BP神经网络拓扑结构的确定 109

6.2.3 BP神经网络的训练 110

6.2.4 BP神经网络的初始连接权值 110

6.2.5 BP神经网络模型的性能和泛化能力 111

6.2.6 BP神经网络的合理性确定 111

6.3 BP神经网络算法 112

6.3.1 BP神经网络算法公式 112

6.3.2 基本BP算法的缺陷 115

6.4 BP神经网络算法的改进 116

6.4.1 基于自适应学习率调整的改进 116

6.4.2 基于附加冲量项的改进 116

6.4.3 基于模拟退火算法的改进 117

6.4.4 BP神经网络算法的综合改进 118

6.4.5 BP神经网络算法综合改进的实现 118

6.4.6 实现BP神经网络算法综合改进的关键代码 120

6.5 神经网络集成简介 126

6.5.1 神经网络集成的由来 126

6.5.2 神经网络集成的基本概念与结构 126

6.6 神经网络集成模型的构建 127

6.6.1 个体网络的生成方法 128

6.6.2 集成结论的生成方法 132

6.7 神经网络集成的泛化能力分析 132

6.8 神经网络集成程序的开发 133

6.8.1 AForge.NET开源框架简介 133

6.8.2 程序构建的具体步骤 134

6.8.3 实验验证及分析 137

参考文献 142

7 灾损样本采集与快速评估 144

7.1 地类受灾损失指标 144

7.1.1 田地损失指标 144

7.1.2 林地损失指标 145

7.1.3 建筑用地损失指标 145

7.1.4 其他损失指标 146

7.2 灾损样本采集与数据处理 146

7.2.1 样本测试数据采集 146

7.2.2 淹没区域格网图元处理 148

7.2.3 统计数据采集与处理 151

7.3 数据处理流程 154

7.4 灾损快速评估模型构建 155

7.5 评估模型应用并验证 157

7.5.1 灾损样本数据准备 157

7.5.2 灾损样本数据模型训练 158

7.5.3 测试并验证精度 160

8 洪灾损失快速评估系统 162

8.1 系统需求分析 162

8.1.1 系统安全性 162

8.1.2 空间数据精度要求 163

8.1.3 系统易维护性、灵活性 163

8.1.4 系统美观性 163

8.2 系统功能及业务流程设计 164

8.2.1 系统的主要功能 164

8.2.2 系统的业务流程设计 165

8.3 系统总体设计 166

8.3.1 总体框架设计 166

8.3.2 系统采用的关键技术 167

8.4 系统数据库设计 169

8.4.1 研究区洪灾损失评估样本数据来源 169

8.4.2 数据预处理 170

8.4.3 SQL Server数据库详细设计 171

8.5 洪灾损失快速评估系统的开发实现及应用 173

8.5.1 系统开发环境 173

8.5.2 系统主界面 173

8.5.3 灾情数据处理 173

8.5.4 受灾区域格网分析 175

8.5.5 图元处理及受灾数据入库 181

8.5.6 洪灾损失评估分析 182

9 总结与展望 188

9.1 总结 188

9.2 展望 191