基于RBF神经网络的面状水体识别模型及其应用

• 作者: 胡静涛 陈雪莲
• 来源期刊: 水电能源科学
• 学科: 工学
• 关键词: 面状水体 识别模型 RBF神经网络 DEM
• 年，卷（期）: 2014,（1）
• 所属期刊栏目: 地质与测量
• 页码范围: 59-62,83
• 页数: 5页
• 分类号: TV11|TP389.1
• 语种: 中文

摘要

针对面状水体识别过程中面状水体数据特征不宜提取、伪洼地易与面状水体混淆的问题,通过分析面状水体的面积、深度和潜在出水口等基本DEM数据特征,构建了面状水体识别模型,并将面状水体的三个数据特征和面状水体识别模型的计算结果作为输入输出神经元,利用RBF神经网络对建立的面状水体识别模型进行了仿真验证.从全国1∶250 000 DEM数据中选取150组洼地数据作为样本数据,采用减聚类算法对RBF神经网络进行训练,训练时样本的最小平均相对误差为2.75％,仿真的准确率为98％,表明面状水体识别模型可解决面状水体和伪洼地难以区分的问题,并提高了面状水体识别的准确率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	胡静涛	中国科学院沈阳自动化研究所信息服务与智能控制技术研究室	71	928	17.0	28.0
5	陈雪莲	中国科学院沈阳自动化研究所信息服务与智能控制技术研究室	18	35	3.0	5.0