基于自组织神经网络和K-means算法的地下空间地质环境质量三维分类及评价

X141%P642; 针对地下空间地质环境质量,前人运用三维地质信息化技术已开展了大量三维综合评价研究,但其评价结果对于规划和施工建议略显不足.其原因主要是评价过程主观性较强,综合评价结果难以充分表达地质环境的真实类别,难以关注更需受到重视的不良地质环境条件等.针对上述问题,利用自组织神经网络(SOM)和K-means算法对地下空间地质环境质量三维评价信息进行分类研究;以福建省厦门市马銮湾新城南岸片区为实例,基于三维空间分析方法提取三维评价指标因子,开展基于自组织神经网络和K-means算法的地下空间地质环境质量三维评价,最后利用评价获得的地质环境类别与主导因子进一步提出规划和施工建议.结果表...

Full description

Saved in:
Bibliographic Details
Published in地球科学与环境学报 Vol. 45; no. 4; pp. 929 - 940
Main Authors 熊芸莹, 李晓晖, 袁峰, 卢志堂, 吴少元, 窦帆帆
Format Journal Article
LanguageChinese
Published 合肥工业大学资源与环境工程学院,安徽合肥 230009 01.07.2023
合肥工业大学安徽省矿产资源与矿山环境工程技术研究中心,安徽合肥 230009%合肥工业大学资源与环境工程学院,安徽合肥 230009%厦门地质工程勘察院,福建厦门 361008
Subjects
地质建模
地下空间
福建
geological environment quality evaluation
underground space
geological modeling
地质环境质量评价
Fujian
SOM
K-means algorithm
自组织神经网络
K-means算法
cluster analysis
聚类分析
Online AccessGet full text
ISSN1672-6561
DOI10.19814/j.jese.2022.11071

Cover

More Information
Summary:X141%P642; 针对地下空间地质环境质量,前人运用三维地质信息化技术已开展了大量三维综合评价研究,但其评价结果对于规划和施工建议略显不足.其原因主要是评价过程主观性较强,综合评价结果难以充分表达地质环境的真实类别,难以关注更需受到重视的不良地质环境条件等.针对上述问题,利用自组织神经网络(SOM)和K-means算法对地下空间地质环境质量三维评价信息进行分类研究;以福建省厦门市马銮湾新城南岸片区为实例,基于三维空间分析方法提取三维评价指标因子,开展基于自组织神经网络和K-means算法的地下空间地质环境质量三维评价,最后利用评价获得的地质环境类别与主导因子进一步提出规划和施工建议.结果表明:基于自组织神经网络和K-means算法的评价方法能够有效挖掘多维多源地质数据中的隐含信息,识别出关键区分因子,为地下空间地质环境质量评价提供了新的思路和方法.
ISSN:1672-6561
DOI:10.19814/j.jese.2022.11071