Consiglio Nazionale delle Ricerche

Tipo di prodottoArticolo in rivista
TitoloNeural Network model for predicting landslide susceptibility: A case study from Crotone Province (Calabria, South Italy)
Anno di pubblicazione2012
Formato
  • Elettronico
  • Cartaceo
Autore/iConforti M.; Pascale S.; Muto F.; Robustelli G.; Sdao F.
Affiliazioni autoriCNR, Istituto per Sistemi Agricoli e Forestali del Mediterraneo (ISAFOM), Rende (CS), , , Italy; CNR, Istituto per Sistemi Agricoli e Forestali del Mediterraneo (ISAFOM), Rende (CS), , , Italy; Dipartimento di Ingegneria e Fisica dell'Ambiente, Università della Basilicata, Potenza, , Italy; Dipartimento di Scienze della Terra, Università della Calabria, Arcavacata di Rende (CS), , Italy; Dipartimento di Strutture, Geotecnica, Geologia Applicata, Università della Basilicata, Potenza, , Italy
Autori CNR e affiliazioni
  • MASSIMO CONFORTI
Lingua/e
  • inglese
AbstractLandsliding is a natural geologic and geomorphic process that plays a key role in denudation, landform development, in hilly-mountainous terrain. Besides, landslides are one of the most natural hazard that cause damage to both property and life all over the world. In this work the artificial neural network (ANN) technique was tested for the evaluation and mapping the landslide susceptibility in Crotone Province (Calabria, South Italy).
Lingua abstractinglese
Altro abstract-
Lingua altro abstract-
Pagine da390
Pagine a392
Pagine totali-
RivistaRendiconti online Società Geologica Italiana
Attiva dal 2008
Editore: Società Geologica Italiana - Roma
Paese di pubblicazione: Italia
Lingua: multilingue
ISSN: 2035-8008
Titolo chiave: Rendiconti online Società Geologica Italiana
Titolo proprio: Rendiconti online Società Geologica Italiana.
Titolo abbreviato: Rendiconti online Soc. Geol. Ital.
Titoli alternativi:
  • Rendiconti online SGI
  • Rendiconti online SGI, note brevi
  • Rendiconti online della Società Geologica Italiana
Numero volume della rivista21
Fascicolo della rivista-
DOI-
Verificato da referee-
Stato della pubblicazionePublished version
Indicizzazione (in banche dati controllate)
  • Scopus (Codice:2-s2.0-84872357890)
Parole chiaveNeural Network, GIS, Landslide susceptibility, Calabria
Link (URL, URI)http://www.scopus.com/record/display.url?eid=2-s2.0-84872357890&origin=inward
Titolo parallelo-
Licenza-
Scadenza embargo-
Data di accettazione-
Note/Altre informazioni-
Strutture CNR
  • ISAFoM — Istituto per i sistemi agricoli e forestali del mediterraneo
Moduli/Attività/Sottoprogetti CNR-
Progetti Europei-
Allegati