基于深度学习的城市内涝影响程度挖掘方法及系统

摘要

本发明提出一种基于聚类的点云分割方法及系统，包括在城市大数据中提取与内涝点影响程度相关的空间数据，分为训练样本集和测试样本集；利用内涝影响程度综合评价指标，判定内涝点的影响程度等级，作为标签；构建栈式自编码网络，利用训练样本集中训练样本及相应标签对栈式自编码网络进行训练；对于测试样本集提取特征数据，并将数据输入训练完成的栈式自编码网络，计算测试样本内涝点影响程度等级，并对训练完成的栈式自编码网络进行精度评定，当精度合格时根据所得栈式自编码网络，对潜在内涝点影响等级进行预测。本发明实现了内涝对居民工作生活影响程度的预测，将内涝点影响程度分级显示，具有重要的经济指导意义，能够提供重要的市场价值。