基于殘差網絡的怒江泥石流溝谷分類及其預測

劉存熙，王保云，2

（1.云南師范大學 數學學院，云南 昆明 650500；2.云南省高校復雜系統建模及應用重點實驗室，云南 昆明 650500）

0 引 言

泥石流是山區常見的自然災害，具有突發性、群發性、伴生性、時段性、破壞性等顯著特點。泥石流主要受地形地貌、降水量、植被覆蓋、氣候條件等自然因素和人類活動等因素的影響。災害發生區域分布不均，類別眾多。近年來，我國泥石流災害頻繁，云南怒江流域更是高發地區，泥石流一旦發生常常造成巨大損失，甚至人員傷亡。若能正確預測泥石流發生溝谷，提前做好防范，便能減少損失。

深度學習是學習樣本數據的內在規律和表示層次，是一個復雜的機器學習的算法，在語音和圖像識別方面取得的效果，遠遠超過先前相關技術。深度學習是一類模式分析方法的統稱，其中卷積神經網絡（CNN）就屬于深度學習的范疇。隨著信息技術的發展，將卷積神經網絡應用于泥石流溝谷的圖像分類及預測已經成為主流的方法之一。實驗中經常用到的神經網絡模型主要有LeNet網絡、AlexNet網絡、VGG網絡、GooleNet網絡、ResNet 網絡等。當卷積網絡變得越來越深時，一個新的研究問題出現了：隨著輸入信息或者梯度信息穿越很多層網絡后，它可能會消失。其中ResNet 網絡可以更好地提取圖片特征，能夠加深網絡結構來提高準確率，防止過網絡退化。

怒江傈僳族自治州是云南省泥石流典型的高發地區，頻發的泥石流災害給當地居民的生活帶來了嚴重的影響。區別于實……