基于CNN的尾矿区水平位移监测数据分析

• 作者: 谢文珠 林童新 刘桂霞
• 来源期刊: 北京测绘
• 关键词: 卷积神经网络 池化层 激活函数 观测矩阵 数据标签
• 年，卷（期）: 2021,（6）
• 所属期刊栏目: 测绘工程案例
• 页码范围: 814-817
• 页数: 4页
• 分类号: P258
• 语种: 中文
• DOI: 10.19580/j.cnki.1007-3000.2021.06.023

摘要

基于卷积神经网络,对某尾矿区1997—2019年水平位移监测数据进行了方向自动识别.该法首先改进神经网络的卷积核并设计卷积-池化结构,然后将多年监测数据分类为训练集、验证集与测试集,并设置其构成比例与运行参数.实验结果表明,采用卷积神经网络模型进行尾矿区水平位移方向自动识别,具有较高的效率和精度,数据运行时间为636.5 s,识别相对精度为0.23％,该法不失为一种健壮性好、普适性强的水平位移方向识别新方法.