作者
摘要
该研究旨在通过深度神经网络（DNN）开发一个预测模型来识别滑坡，以预测滑坡相关损失的危害评估和缓解。确定滑坡对防止影响发展中国家具有重大社会经济破坏和高经济损失的人口至关重要。在评估传统DNN的性能时，很明显，权重的变化会影响输出性能。在此基础上，本研究旨在利用优化技术来确定最优权重参数。所涉及的优化技术包括灰狼优化（GWO）、鲸鱼优化算法（WOA）以及拟议的GWO和WOA合并（CGW）。与其他比较技术相比，该技术的性能更好。该模型有效预测了滑坡的类型和规模，准确率为97.75%。
建议引用
Rajesh B，2021年。"基于砾岩灰狼优化和鲸鱼优化算法的滑坡识别,"BASE大学工作文件2021年9月，印度班加罗尔BASE大学。手柄：RePEc:alj:wppaper:2021年9月
更正
本网站上的所有材料均由各自的出版商和作者提供。你可以帮助纠正错误和遗漏。请求更正时，请提及此项目的句柄：RePEc:alj:wppaper:2021年9月。请参阅一般信息关于如何更正RePEc中的材料。
如果您编写了此项目，但尚未在RePEc注册，我们鼓励您这样做在这里。这允许将您的个人资料链接到此项目。它还允许您接受我们不确定的该项目的潜在引用。
我们没有这个项目的参考书目。您可以使用这个表格.
如果你知道引用这一条的缺失条目，你可以通过以与上述相同的方式为每个引用条目添加相关引用来帮助我们创建这些链接。如果您是此项目的注册作者，您可能还需要检查您的RePEc作者服务个人资料，因为可能有一些引文等待确认。
有关本项目的技术问题，或更正其作者、标题、摘要、书目或下载信息，请联系：Indrani（以下电子邮件可用）。供应商的一般联系方式：https://edirc.repec.org/data/basebin.html.
请注意，更正可能需要几周时间才能筛选出来各种RePEc服务。
