BỘ KHOA HỌC VÀ CÔNG NGHỆ
HỆ THỐNG THÔNG TIN KHOA HỌC VÀ CÔNG NGHỆ

Lọc theo danh mục
  • Năm xuất bản
    Xem thêm
  • Lĩnh vực
liên kết website
Lượt truy cập
 Lượt truy cập :  14,873,926

36

Trắc địa học và bản đồ học

Phạm Thái Bình; Ngô Quốc Trinh; Nguyễn Đức Đảm; Bùi Thị Quỳnh Anh; Phạm Thái Bình(1);  Nguyễn Đức Đảm(2); 

Phát triển mô hình trí tuệ nhân tạo kết hợp DC-CSFT trong thành lập bản đồ dự báo không gian sạt lở đất tại Quốc lộ 6, tỉnh Hòa Bình, Việt Nam

Development of the hybrid artificial intelligence model DC-CSFT in landslide spatial prediction mapping at National Highway No 6, Hoa Binh province, Vietnam

Giao thông vận tải

2022

7

24-27

2354-0818

Trí tuệ nhân tạo; Sạt lở đất; Dự báo không gian; DC-CSFT; Quốc lộ 6

Artificial intelligence; Landslide; Spatial prediction; DC-CSFT; National road 6; Hoa Binh province

Ở Việt Nam, sạt lở đất là một trong những hiểm họa thiên tai gây thiệt hại lớn về con người và tài sản, đặc biệt tại các khu vực miền núi. Việc phát triển các mô hình dự báo mới và xây dựng các bản đồ dự báo không gian sạt lở đất tin cậy là cần thiết và hữu ích để giảm nguy cơ sạt lở đất và lập kế hoạch phát triển các khu vực đồi núi. Trong nghiên cứu này, mô hình trí tuệ nhân tạo kết hợp DC-CSFT đã được phát triển và sử dụng để thành lập bản đồ dự báo không gian sạt lở đất tại QL6, tỉnh Hòa Bình, Việt Nam. Hiệu suất của mô hình được đánh giá thông qua các chỉ số thống kê khác nhau bao gồm diện tích dưới đường cong ROC (AUC). Kết quả cho thấy rằng, mô hình DC-CSFT có hiệu suất cao trong việc dự báo không gian sạt lở đất tại khu vực nghiên cứu (AUC = 0,831). Cách tiếp cận này cũng có thể được áp dụng ở các khu vực đồi núi dễ bị sạt lở khác tại Việt Nam để mang lại hiệu quả cao trong công tác phòng ngừa và quản lý sạt lở đất.

In Vietnam, landslide is one of the most serious natural hazards which caused a huge loss of deaths and properties, especially in mountainous areas. Development of new prediction models and construction of reliable landslide spatial prediction maps are essential and useful for reduction of landslide risks and making better land use planning in the affected areas. In this study, a hybrid artificial intelligence model namely DC-CSFT was developed and applied in landslide spatial prediction mapping at national road NO6, Hoa Binh province, Vietnam. Prediction capability of the model was validated using various statistical indexes including area under the ROC curve (AUC). The results show that the DC-CSFT model has a high performance in landslide spatial prediction at the study area (AUC = 0.831). This approach can be also applied in other landslide prone areas of Vietnam for better landslide hazard management.

TTKHCNQG, CVb 12

Xem toàn văn