基于人工神经元网络的滑坡稳定性预测评价.pdfVIP

第24卷第3期 灾害学 VoL24No．3 OFCATAsTROPHOLOGY 2009年9月 JOURNAL Sep．2009 基于人工神经元网络的滑坡稳定性预测评价‘ 宫清华，黄光庆 (广州地理研究所，广东广州510070) 摘要：由于滑坡岩土体的结构与物理力学性质表现在宏观和微观上有着不连续性和高度的非线性等特点，其稳 定性受地质因素和工程因素等综合影响，岩土体变形、演化规律的非线性和内在因素的非线性决定了滑坡是一个 复杂多变的非线性系统。根据滑坡失稳的非线性特征，将人工神经元网络BP模型应用到滑坡稳定性的评价预测 中，借助MATLAB的人工神经元网络工具箱，以国道G324上的86个滑坡数据为训练和预测样本对模型进行了实 验和验证，结果表明，所建立的滑坡稳定性预测方法具有较高的预测精度。 关键词：滑坡稳定性；人工神经元网络；预测评价 文献标识码：A 文章编号：1000—811X(2009)03—0061一05 中图分类号：P642．22；TPl83 实施；而人工神经元网络方法以滑坡的非线性特 0 引言 征为突破口，较好的反应灾害的发生机理，但模 型的预测精度对数据样本的依赖性较强，且模型 滑坡一种复杂的地质灾害过程，由于坡体内 较不稳定。本文在前人工作的基础上，将BP网络 部结构的复杂性和组成物质的不同，造成滑坡破 引入到滑坡稳定性评价预测工作中，研究滑坡预 坏具有不同模式…。目前分析滑坡破坏机理及评 测指标体系；运用改进的BP模型进行模型的学习 价其稳定性的方法主要为极限平衡法和数值分析 以提高模型的稳定性。结果表明，所建立的滑坡 方法。然而，这些方法在很多情况下并不准确。 稳定性预测方法具有较高的预测精度。 事实上，滑坡本身组成物质的复杂性、作用于地 质体因素的复杂多变性和时效性，使得滑坡稳定 1 滑坡稳定性预测的BP神经网络 存在着不确定性，是众多非线性因素共同作用的 模型 结果‘2】。 人工神经网络(ANN)近年来发展迅速，尤其 BP神经网络可揭示数据样本中蕴含的非线性关系， 目前应用最广泛，也是研究最多的一种神经网络。 大量处理单元组成非线性自适应动态系统，具有 BP网络一般由输入层、隐含层及输出层三部分组 良好的自适应性、自组织性及很强的学习、联想、 成H1o 容错和抗干扰能力旧J。目前，ANN模型已经被广 BP神经元网络用于滑坡稳定性判别是的一般 泛应用于滑坡灾害管理工作中，其基本过程是从 步骤： 滑坡的非线性特征人手，将灾害点的孕灾条件(如 (1)确定评价标志，选择评价函数，确定评价 地形、气候等)和滑坡稳定性特征等数据集作为样 因子； 本输入到人工神经元网络模型中，按照一定的训 (2)确定学习评价的神经网络结构参数(输入 练方法对模型进行训练和学习，经过反复迭代运 层与隐含层神经元个数)； 算后，形成一个能描述地质环境特征的多因素耦 (3)为网络的连接权系数和神经元阈值赋予 合模型即人工神经元网络模型，将训练好的模型 初值； 用于预测评价中，并在预测工作中不断更新。传 (4)输入滑坡样本的评价矩阵和输出； 统的方法，数据专业性较强，可获取性差，很难 (5)对各样本计算隐含层和输出层各单元