神经网络模型在滑坡位移预测中的应用.pdfVIP

第39卷 第3期 山 西 建 筑 V01．39No．3 · 60 · 2013年 1月 SHANXI ARCHITECTURE Jan． 2O13 文章编号：1009—6825(2013)03—0060-03 神经网络模型在滑坡位移预测 中的应用 陈连惠 陈连芹 张玉坡 《1．天津市水文水资源勘测管理中心，天津 300060；2．天津市大清河管理处，天津 300060) 摘 要：在时间序列的思想上建立了人工神经网络模型对滑坡位移进行预测，采用4|Dd的数据作为样本训练的数据，采用40d一 43d的数据对预测效果进行检验。结果表明，滑坡位移预测误差在4％以内，故本文建立的方法具有一定的实用性，是较为合理的。 关键词：滑坡，神经网络 ，时间序列，预测 中图分类号：TU413．62 文献标识码 ：A 1 概述 2 基于时间序列思想基础上的神经网络模型 滑坡是山区常见的一种地质灾害 ，由于滑坡方量 巨大，往往 本文通过时间序列的思想 ，在神经网络模型的基础上，建立 给滑坡影响范围内的人民生命财产和工程建筑设施造成极大的 了滑坡位移分析的模型。时间序列即将某种现象按某一个指标 威胁。值得一提的是，绝大部分的滑坡的产生都是有先兆的，比 在不同时间上的各个数值 ，按时间先后排列而形成的序列。时间 如，滑坡的位移总是从小变大，直至大变形引起的能量积累超过 序列也是位移预测的一种方法，但如上述 ，本文并不采用时问序 了阻止滑坡剧烈运动的能力，此时滑坡才会发生。可见，只要针 列的方法进行预测，而是采用时间序列的思想进行建模，供神经 对滑坡的位移进行分析，预测其发生与发展 ，则对滑坡的认识与 网络模型进行学习L6 。 防治产生很大的意义” 。 假如现场共收集到n个位移数据，即可建立一定组数的时间 滑坡位移的分析有多种方法，如灰色理论与时间序列等。这 序列模型。假设共将 n个位移数据分为g组，每一组中含有d个 些方法都是基于一定的数据规律基础上的，数据越规律，计算得 位移数据。可建立模型的子序列与母序列，子序列为时问序列模 出的结果则越准确。但现场调查得到的位移数据往往是不规律 型的分析数据，母序列为时间序列模型的输出结果，假如共有 的，因为这些数据往往存在较大的误差，这种误差可能是人为测 7个数据，即{d。，d2，d，，d4，以，d6，d7}，每一组中含有5个位移数 量形成的，也可能是降雨或工程设施的振动形成的。上述误差有 据，即可建立子序列为{d，d，d，，d4，d5；d2，d，d4以，d6}，母序列 随机的，也有偶然的，这些误差极大的降低 了滑坡位移分析的精 为{ ；西}。故可建立起 n，g与d之间的关系，即g=n—d。建立 确程度 ]。 的母序列与子序列可作为神经网络模型的学习样本。 为综合考虑系统存在的误差与数据的整体趋势，本文采用时 神经网络是20世纪8O年代发展起来的，通过人类大脑的行 间序列神经网络的方法来建立滑坡位移的预测模型。时间序列 为特征而建立起来的一种非线性方法，神经网络通过分布式信息 的思想可将滑坡的位移建立起来，通过若干次的位移来推测某一 处理进行样本的学习与输 出，具有很强的学习能力与 自组织 次的位移，充分利用了位移随时间变化的趋势；神经网络可通过 性 。神经网络不需要建立明确的待分析事物与其影响因子之 学习来了解时间序列中位移数据的变化规律与误差的产生规律， 间的具体数学关系，故其对于内部原理不可知的复杂问题具有极 进而实现不可知时间段内滑坡的位移值。由上述可见，基于时间 强的解决能力。如上述，时间序列模型实际上建立了子序列与母 序列的神经网络模型对滑坡位移与滑坡的预测具有较强的理论 序列之间的预测关系，即母序列可以认为是子序列数据预测出的结 意义与实践意义。