KIT | KIT-Bibliothek | Impressum | Datenschutz

Erkennung von Hangrutschungssystemen mit Neuronalen Netzen als Grundlage für Georisikoanalysen [online]

Fernandez-Steeger, Tomas

Abstract:

KURZFASSUNG

Im Rahmen von Risikoanalysen spielt die Kenntnis über das
Vorhandensein und die Lage von Gefahrenherden eine ganz
wesentliche Rolle. Neben den bisher bekannten deterministischen
und statistischen Verfahren können auch künstliche Neuronale
Netze zur automatischen Gefahrenerkennung genutzt werden. Der
Vorteil Neuronaler Netze liegt in ihrer Fähigkeit begründet,
nichtlineare Zusammenhänge gut darzustellen und mit sehr großen
Datenmengen gut zurechtzukommen.
Für die Erkennung von Hangrutschungsgebieten sind mehrere neu­
ronale Modelle entwickelt und untersucht worden. Eine
Besonderheit ist, dass die Netze verschiedene
Massenbewegungstypen erkennen können. Es wird auch nicht nur die
Rutschung sondern der ganze Einflussbereich der Massenbewegung
erkannt. Bei der Entwicklung der Netze sind verschiedene
Strategien verfolgt worden. Neben Netzen zur Rutschungserkennung
sind in Reihe geschaltete Netze und nach dem MTL-Ansatz
trainierte Netze untersucht worden. Dabei hat sich gezeigt, dass
die einzelnen Modelle z.T. unterschiedliche Spezialisierungen
entwickeln.
Bei Versuchen mit den Netzen Rutschungen in Testgebieten in den
Ostalpen zu erkennen, haben die besten Netze bis zu 86% der
... mehr

Open Access Logo


Volltext §
DOI: 10.5445/IR/4852002
Cover der Publikation
Zugehörige Institution(en) am KIT Geologisches Institut (Geolog. Inst.)
Publikationstyp Hochschulschrift
Publikationsjahr 2002
Sprache Deutsch
Identifikator urn:nbn:de:swb:90-AAA48520023
KITopen-ID: 4852002
Verlag Universität Karlsruhe (TH)
Erscheinungsvermerk Fak. f. Bio- und Geowissenschaften, Diss. v. 15.5.2002.
Art der Arbeit Dissertation
Fakultät Fakultät für Bio- und Geowissenschaften (Fak. f. Bio- u. Geowiss.)
Institut Geologisches Institut (Geolog. Inst.)
Prüfungsdaten Diss. v. 15.5.2002
KIT – Die Forschungsuniversität in der Helmholtz-Gemeinschaft
KITopen Landing Page