Application of neural network to assess landslide hazard and comparison with bivariate and multivariate statistical analyses
Identifikátory výsledku
Kód výsledku v IS VaVaI
<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F00025798%3A_____%2F16%3A00000094" target="_blank" >RIV/00025798:_____/16:00000094 - isvavai.cz</a>
Výsledek na webu
<a href="http://www.geopaleo.fns.uniba.sk/ageos/articles/abstract_en.php?path=tornyai_et_al&vol=8&iss=1" target="_blank" >http://www.geopaleo.fns.uniba.sk/ageos/articles/abstract_en.php?path=tornyai_et_al&vol=8&iss=1</a>
DOI - Digital Object Identifier
—
Alternativní jazyky
Jazyk výsledku
angličtina
Název v původním jazyce
Application of neural network to assess landslide hazard and comparison with bivariate and multivariate statistical analyses
Popis výsledku v původním jazyce
Landslide hazard in the Žilina area in northern Slovakia is assessed using neural network analysis. Four input parameters are evaluated, they are presented as a result of statistical processing in the form of parametric maps. Statisti- cal evaluation was executed in ArcGIS environment; neural network was calculated in Matlab. The output of this study is a prognostic landslide hazard map. Further, the result was compared with the hazard map created using bivariate and multivariate statistical analyses through ROC curves. Area below curve (AUC) calculated from ROC curve shows accuracy of individual models. It can be stated that the NN´s AUC is equal to 0.924, what represents the rate of success 92.4%; bivariate multivariate analyses AUC is equal to 0.852 and 0.919.
Název v anglickém jazyce
Application of neural network to assess landslide hazard and comparison with bivariate and multivariate statistical analyses
Popis výsledku anglicky
Landslide hazard in the Žilina area in northern Slovakia is assessed using neural network analysis. Four input parameters are evaluated, they are presented as a result of statistical processing in the form of parametric maps. Statisti- cal evaluation was executed in ArcGIS environment; neural network was calculated in Matlab. The output of this study is a prognostic landslide hazard map. Further, the result was compared with the hazard map created using bivariate and multivariate statistical analyses through ROC curves. Area below curve (AUC) calculated from ROC curve shows accuracy of individual models. It can be stated that the NN´s AUC is equal to 0.924, what represents the rate of success 92.4%; bivariate multivariate analyses AUC is equal to 0.852 and 0.919.
Klasifikace
Druh
J<sub>x</sub> - Nezařazeno - Článek v odborném periodiku (Jimp, Jsc a Jost)
CEP obor
DB - Geologie a mineralogie
OECD FORD obor
—
Návaznosti výsledku
Projekt
<a href="/cs/project/7AMB14SK038" target="_blank" >7AMB14SK038: Prognózování sesuvného hazardu v karpatském flyši a sestavení jednotné metodiky</a><br>
Návaznosti
P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)
Ostatní
Rok uplatnění
2016
Kód důvěrnosti údajů
S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů
Údaje specifické pro druh výsledku
Název periodika
Acta Geologica Slovaca
ISSN
1338-0044
e-ISSN
—
Svazek periodika
8
Číslo periodika v rámci svazku
1
Stát vydavatele periodika
SK - Slovenská republika
Počet stran výsledku
10
Strana od-do
109-118
Kód UT WoS článku
—
EID výsledku v databázi Scopus
—