科研之友
微信
新浪微博
Facebook
分享链接
摘要
为了有效解决目前获得城市内涝深度方法存在的问题，本研究采用迁移学习的方法对城市内涝深度进行监测。以卷积神经网络为基础，通过将提取的特征向量集和标注内涝深度的数据集输入LASSO模型中进行训练，计算出城市内涝深度。同时，以江西省南昌市近5年来内涝图片数据为例进行实证检验。结果显示，该方法预测结果与真实的内涝水位偏差较小，与实际内涝发生情况的吻合程度较高。因此，该方法能有效识别城市内涝的真实情况，对应对频发的城市洪水灾害问题具有重要意义。
- 单位
为了有效解决目前获得城市内涝深度方法存在的问题，本研究采用迁移学习的方法对城市内涝深度进行监测。以卷积神经网络为基础，通过将提取的特征向量集和标注内涝深度的数据集输入LASSO模型中进行训练，计算出城市内涝深度。同时，以江西省南昌市近5年来内涝图片数据为例进行实证检验。结果显示，该方法预测结果与真实的内涝水位偏差较小，与实际内涝发生情况的吻合程度较高。因此，该方法能有效识别城市内涝的真实情况，对应对频发的城市洪水灾害问题具有重要意义。
