人工神经网络在降雨和滑坡关系中的应用.pdfVIP

276 土木工程与高新技术 人工神经网络在降雨及滑坡关系中的应用 张伟文，丁原章2邵耀棋，陈洪钊’沈立英z (1.香港特别行政区政府土木工程署土力工程处; 2.广东省地震工程勘测中心) 提【 要】香港是一个山峦起伏的城市，由于受到亚热带气候的影响，滑坡经常 在雨季发生。滑坡的产生与边坡的物理因紊及降雨有很大的关系。过拄降雨及滑 坡关系的研究多采用统计学的方法进行。在开发新技术应用的基础上，香港特别 行政区政府土木工程署辖下的土力工程处利用人工神经网络方法对香港岛刘土坡 的滑坡与降雨关系进行了计算分析。以1984一1995年的降雨量、边坡及清坡资 料作为学习样本，以1996一1卯7年的资料作为检验样本，比较真实滑坡情况。 初步结果显示，以人工神经网络技术进行降雨及滑坡关系研究是有一定的应用潜 力。 本文旨在介绍如何建立适用于这项研究的人工神经网络。此外，亦会探讨这 种新技术在研究滑坡课题上的限制及可靠性。 关【锐词】人工神经网络滑坡乌降雨关系) k 一、概述 香港是一个山峦起伏，人口众多的城市。由于受到亚热带气候的影响，每年平均降雨 量高达2,500至3,000mm，滑坡因此经常在雨季发生。香港特别行政区政府在预测及预防滑 坡的研究上，投人大量资源，以保障市民的生命及财产。在降雨及滑坡关系研究的过程 中，涉及大量边坡的物理因素及降雨资料。如何有效处理各类资料对滑坡的相互影响，成 为滑坡预测的重要课题。传统上，我们会利用统计方法建立降雨及滑坡关系模型。可是， 一旦参与计算的参数增加，又或者它们有着非线性的关系，这类以统计方法建立的模型会 变得非常复杂，它的可靠性亦成为疑问。 在开发新技术应用的基础上，我们尝试运用人工神经网络技术，处理这类复杂课题。 本文旨在探讨应用这种新技术所得到的初部结果。 二、人工神经网络模型 人工神经网络模型源于对人类大脑神经系统结构及功能的模仿，从而建立的数学模型 (ASCE,1997)。它是由多层及多个神经元组成。图1展示了一个简单神经元的结构。当输 人向量 (InputVector)进人神经元i时，它会被加人一个极矩阵 (WeightMartix)及闹值 (Bias)，再经过传递函数 (TransferFunction)，得到一个输出值。通过学习样本，神经元会 自我改变参数 (即权矩阵和阅值)，直到轴出与目标箱出值之误差少于所定下的目标。比 第三篇 岩土工程 277 方在滑坡问题上，已发生滑坡及未会发生滑坡样本的目标值可分别定义为1和0，予以学 习训练。 抽人向It(InpntVector) 0 P.,9ol 神经元r \ 阅值(Bias) 权矩阵(WeightMatrix) 。 传通函数(TransferFanchon) 输出值((OutputValue) 图1单个神经元示意图 袖人层神经元n(t个) 总含层神经元m(个〕 怡出层神经元n(译) 图2 BP神经网络结构示意图 当神经元的数目及层数增加，它便成为了一个能够模仿人类大脑运作的复杂网络。由 20世纪40年代开发初期到目前为止，人工神经网络已发展至数十种模型，处理不同类别 的问题，其中以后向传播 (BackPropagation,BP)神经网络最为常用。BP神经网络是由 Rumelhart等人于1985年提出的算法，它是一个单向传播的多层前向神经网络，由输人层、 隐含层和输出层组成。同一层的神经元之间并无任何联系，每一层神经元只会影响下一