分为真实场景和SD生成场景 真实场景： 数据集格式：Pascal VOC格式(不包含分割路径的txt文件和yolo格式的txt文件，仅仅包含jpg图片和对应的xml) 图片数量(jpg文件个数)：494 标注数量(xml文件个数)：494 标注类别数：2 标注类别名称:["huapo","luoshi"] 每个类别标注的框数： huapo count = 183 luoshi count = 351 SD场景： 数据集格式：Pascal VOC格式(不包含分割路径的txt文件和yolo格式的txt文件，仅仅包含jpg图片和对应的xml) 图片数量(jpg文件个数)：497 标注数量(xml文件个数)：497 标注类别数：1 标注类别名称:["luoshi"] 每个类别标注的框数： luoshi count = 514 数据集介绍地址：bilibili.com/video/BV1Ss4y1i7XZ

以河南省三门峡市峡县为研究对象，进行地质灾害易发性评价。基于地形、地质和遥感影像等多源数据，首先提取了12个滑坡易发性评价因子，并对这些因子进行主成分分析，从而选取了无显著相关的影响地质灾害发生的 11 个评价因子（断层、岩性、高程、坡度、坡向、曲率、水系、降雨、道路开挖、TWI及土地利用类型）作为评价指标，依据各指标条件下历史地质灾害发生的频数直方图变化，并结合因子在地质学上的影响进行分级。

采用边坡雷达自动化实时监测技术,通过位移云图及时掌握抚顺西露天矿南帮主滑体变形特征,确定了主滑体西侧边界,并对其外侧牵引区进行了有效的治理设计和施工;同时,基于临滑预报预警技术,通过表面位移历时曲线和速度曲线,深入研究治理过程中主滑体边坡变形规律和变形演化阶段,实现信息化反馈施工,保障了滑坡治理工程的安全有序进行。

针对经典智能算法用于滑坡位移预测时存在的网络结构参数选取复杂、易陷入局部极小等缺陷,提出了基于改进极限学习机ELM(Extreme Learning Machine)的滑坡位移预测模型。在滑坡变形位移状态辨识基础上,根据其位移变化特征,将滑坡位移曲线类型划分减速-匀速型、匀速-增速型、减速-匀速-增速型、复合型4类,将改进的ELM算法分别用于4种不同类型的滑坡位移预测。基于改进ELM算法构建滑坡位移预测模型时,采用二值区间搜索算法选定最佳隐含层神经元个数和激励函数,并融入数据滚动建模思想,以期提高网络泛化能力和预测精度。以链子崖、卧龙寺、古树屋、新滩滑坡体为例,对ELM预测的适用性进行讨论,实验结果表明,基于ELM构建不同类型滑坡位移预测模型时,具有较高的预测精度,且在网络学习速度等方面优势明显,适用于复杂状况下滑坡体的位移预测。

以舟曲泄流坡滑坡野外考察地质资料为基础，结合滑坡动力分析软件DAN-W对泄流坡滑坡全程运动进行模拟，着重探讨了铲刮效应以及不同流变模型对滑坡数值模拟的影响。结果表明：不同铲刮深度下，滑坡堆积体形态相似，堆积厚度随铲刮深度的加深而加大，运行时间随铲刮深度的加深而减少。F-V模型对泄流坡模拟的滑程最大可达255.75m, Frictional模型模拟得到的最大堆积厚度为201.73m，最大前缘速度为17.75m/s，最长运行时间为64s，并给出了泄流坡滑坡模拟最佳的流变参数，摩擦角为18°，摩擦系数为0.1，

Landslide-sensitivity-mapping

文中结合工程实例,采用ansys软件精确模拟现有的滑坡,将模型导入flac3D中进行计算,对滑坡稳定性进行数值模拟分析,为滑坡治理及保护提供理论依据。

人工智人-家居设计-基于GIS的滑坡灾变智能预测系统及应用研究.pdf

本程序为本人改进GRNN，用于滑坡稳定度预测； 相关数据集为本实验平台实验采集； 代码均为本人所写。

【数据分享】1915-2021年全球滑坡点及滑坡区域数据