近日,国家遥感中心绵阳科技城分部以Research on Forecasting of diverse flood types based on the deep learning of sub-modal features in High-Altitude Mountainous Basin为题,在在中科院TOP期刊《Journal of Hydrology: Regional Studies》发表相关研究成果,研究生史旭阳为第一作者,指导老师刘蛟副教授为通讯作者。该文以开都河流域为研究对象,针对高海拔山区洪水过程高度的非线性、非平稳性强特点,基于大山口水文站1959—2018年逐日径流观测数据,采用POT方法提取了152场完整洪水事件,并构建了融合变分模态分解和长短期记忆神经网络的VMD-LSTM混合模型,开展径流模拟、洪水事件识别及无未来信息条件下的洪水过程预报研究。研究结果表明,VMD-LSTM模型能够通过对复杂径流序列进行多尺度子模态分解,有效降低原始径流信号的复杂度和噪声干扰,增强模型对洪水过程涨水、洪峰和退水阶段的识别能力。团队研究结果为高海拔山区、资料相对稀缺流域的山洪预警和防御提供了新的技术思路。
时值汶川地震十七周年之际,第六届强震地质灾害链与长期效应国际学术大会(The 6th International Symposium on Mega Earthquake-Induced Geo-hazard Chain and Long Term Effects)于2025年5月12-15日在中国成都召开。
近日,国家遥感中心绵阳科技城分部协助指导研究生何宗翰的题为“Assessment of Landslide Susceptibility in the Moxi Tableland of China by Using a Combination of Deep-Learning and Factor-Refinement Methods”的文章发表于SCI期刊《Applied Sciences》,JCR分区Q2。该文以磨西台地为研究区域,通过DNN-I-SVM耦合模型和DNN-I-LR耦合模型进行滑坡易发性评价,根据易发性指数将研究区划分等级,然后对模型进行精度分析,采用ROC曲线AUC值进行对比检验。结果表明,DNN-I-LR耦合模型的评价精度大于DNN-I-SVM耦合模型。团队提出了一种全新的高精度耦合模型来做滑坡易发性评价。其中,硕士研究生何宗翰为第一作者,导师张文君教授与蔡嘉伦特聘副教授为通讯作者,西南科技大学环境与资源学院为第一通讯单位。该工作受到了国家遥感中心绵阳科技城分部的支持