摘 要：云南的怒江流域是泥石流的高发地区。基于怒江流域的沟谷数字高程模型（DEM）图，采用残差神经网络对沟谷图像进行训练，实现分类预测，并使用损失值、正确率对模型进行评价。结果表明：利用残差网络对沟谷数字高程模型（DEM）图进行分类及预测可以达到 60% 的准确率。该研究结果可为怒江流域泥石流预警及防治工作提供理论参考。
关键词：泥石流；数字高程模型；残差神经网络；预测
DOI:10.19850/j.cnki.2096-4706.2022.012.028
基金项目：国家自然科学基金（61966040）
中图分类号：TP18；TP391.4 文献标识码：A 文章编号：2096-4706（2022）12-0108-04
Classification and Prediction of Nujiang Mudslide Valley Based on Residual Network
LIU Cunxi 1, WANG Baoyun1,2
(1.School of Mathematics, Yunnan Normal University, Kunming 650500, China; 2.Key Laboratory of Complex System Modeling and Application in Yunnan Province University, Kunming 650500, China)
Abstract: The Nujiang River Basin in Yunnan is a high-incidence area of mudslides. The valley Digital Elevation Model (DEM) map based on the Nujiang River Basin uses the residual neural network to train the valley images to achieve classification prediction, and the loss value and the accuracy rate are used to evaluate the model. The results show that the classification and prediction of the valley Digital Elevation Model (DEM) map can reach the accuracy rate of 60% by using the residual network. The research results can provide a theoretical reference for the early warning and prevention work of mudslides in the Nujiang River Basin.
Keywords: mudslide; Digital Elevation Model; residual neural network; prediction
参考文献：
[1] 曹永强，郭明，袁立婷 . 基于 GIS 技术的辽宁省山洪灾害风险区划研究 [J]. 华北水利水电大学学报（自然科，2018，39（2）：80-85.
[2] 张红兵，金德山 . 影响云南省滑坡泥石流活动的几个自然因素 [J]. 水文地质工程地质，2004（5）：38-41.
[3] 孙显辰，王保云，刘坤香，等 . 云南省泥石流灾害影响因子分析 [J]. 人民长江，2020，51（11）：121-127.
[4] 孙显辰 . 基于深度迁移学习的遥感影像中泥石流沟谷分类[D]. 昆明：云南师范大学，2021.
[5] 孔艳，王保云，王乃强，等 . 滇西高山峡谷区泥石流危险性评价——以怒江傈僳族自治州为例 [J]. 云南师范大学学报（自然科学版），2019，39（3）：63-70.
[6] 王雷 . 基于 DEM 的东川泥石流地质环境遥感研究 [D]. 昆明：昆明理工大学，2008.
[7] HE K M，ZHANG X Y，REN S Q，et al. Deep Residual Learning for Image Recognition [C]//2016 IEEE Conference on Computer Vision and Pattern Recognition（CVPR）.Las Vegas：IEEE，2016：770-778.
[8] 季佳伸，吴俊勇，王彦博，等 . 基于深度残差网络的电力系统暂态电压稳定评估 [J/OL]. 电网技术，2022：1-11 [2022-03-19].https://www.cnki.net/KCMS/detail/detail.aspx?dbn ame=CJFDTotal&filename=DWJS20220225001&v=MTY5NDE3c WRaZVpvRml6bFViM0xKVjg9SVRyQmZiRzRITlBNclkxQVpPc 09Zd2s3dkJBUzZqaDRUQXpscTJBMGZMVDdS.
[9] 范胜波，王太勇，汪文津，等 . 样本数量对切削力的神经网络预测精度的影响 [J]. 西南交通大学学报，2005（5）：637-640.
[10] 周俊宇，赵艳明 . 卷积神经网络在图像分类和目标检测应用综述 [J]. 计算机工程与应用，2017，53（13）：34-41.
作者简介：刘存熙（1998—），男，汉族，山东枣庄人，硕士研究生在读，研究方向：图像处理和深度学习；通讯作者：王保云（1977—），男，汉族，云南华宁人，副教授，博士，研究方向：机器学习及图像处理。