基于遗传神经网络的瓦斯含量预测研究

瓦斯含量预测取决于多因素、非线性的函数关系的建立 ,预测模型建立的准确与否决定于各个影响因素之间的相互作用、相互耦合的特性。文中将神经网络与遗传算法有机地结合起来 ,以神经网络理论为基础 ,利用遗传算法优化隐含层神经元个数和网络中的连接权值 ,建立瓦斯含量预测模型。在实验室测试数据的基础上 ,建立遗传神经网络训练和检验样本集 ,其中包含有 38个典型样本 ,并且将检验结果分别与回归模型、标准BP神经网络、自适应BP神经网络的预测结果进行比较。结果表明 :遗传神经网络模型可靠 ,预测精度高 ,为促进软计算技术与瓦斯地质的结合奠定了基础。     

基于进化神经网络的参考作物腾发量预测

利用遗传算法的全局空间寻优功能和BP网络映射能力强的优点,建立了以遗传算法确定最优网络结构的进化神经网络(GA-ANN)模型,用来预测参考作物腾发量(ET₀).设计多组数字实验处理,研究了输入因子间相关性对模型预测准确性的影响,并验证了最优网络模型结构,即预测ET₀的理想GA-ANN模型中以日平均气温、日照时数及日序数为输入因子.实例分析表明,该模型克服了BP网络输入层、隐含层节点确定的盲目性,适应性强,精度高,可用于ET₀预测.     

神经网络在泥石流活跃程度评判中的应用

泥石流活跃程度的评判结果对保护当地人民生命财产安全和经济建设的发展及地质灾害的防治工程布置有着很大的影响。然而以往的评判方法多以定性评判为主。由于每个人的知识水平、工作经验及评判问题的思维方式的差异，从而使评判结果或多或少存在一定的误差。论文旨在寻求一种新的方法来实现对泥石流活跃程度的定量分析，以便尽可能的减少人为误差。人工神经网络是一种具有学习、记忆、计算、仿真等功能的网络结构。BP网络是目前工程上运用最为广泛的一种误差反传的人工神经网络。它可以模拟任意复杂的非线形映射关系。应用神经网络对泥石流活跃程度进行定量分析评判，可以在一定程度上减少定性评判中的人为因素影响，提高评判的准确性。论文简要介绍了BP神经网络的基本原理、训练过程，以及如何利用MATLAB软件中的神经网络工具箱来创建、训练和应用评判泥石流活跃程度BP网络。在BP网络模型建立时采用了对研究区泥石流活跃程度影响最主要的8个参数作为输入层，并选取了研究区的20个样本对网络进行训练。最后用训练好的网络对研究区的10条支沟分别进行计算。计算结果与实际情况相符，说明利用BP神经网络来评判泥石流活跃程度具有很好的实用价值。     

基于模糊神经网络的泥石流危险性评价

将T-S模糊系统理论和人工神经网络相结合,利用模糊理论隶属度对模糊性有很强的识别精度,将泥石流危险性指标隶属度作为神经网络的激活函数输入,使用正态分布方法产生训练数据,再利用BP神经网络的误差反向传播对TS模糊系统隶属度函数等的参数进行训练调整,从而建立泥石流危险性评价的模糊神经网络模型。利用建立好的模型对云南东川八条典型泥石流沟的危险性进行评价,获得客观合理的评价结果。与刘希林的灰色聚类法和可拓物元方法的纵向对比和与线性内插产生训练数据方法横向对比表明:使用该方法能较真实地反映实际泥石流沟的危险性等级,证明模糊神经网络理论应用于泥石流危险性评价的有效性和可行性。     

基于深度学习的中心回线瞬变电磁全区视电阻率计算

深度学习是人工神经网络算法的扩展,对复杂函数有很好的逼近能力,本文将其引入用于瞬变电磁视电阻率计算。首先,建立归一化感应电动势与瞬变场参数单一映射关系的5层深度神经网络,通过对单一隐含层不同神经元个数所训练的误差情况进行分析,确定5层深度神经网络各隐含层神经元个数为13,8,5,8,13。训练算法选择了改进的具有自适应学习率的Nadam算法,该算法可加速训练过程。对训练好的深度神经网络模型进行仿真实验,采用典型地电模型加以验证,发现其对不同的地电模型均具有较好的反映,证明本文采用的基于深度学习计算视电阻率的可行性。应用结果表明训练好的深度神经网络模型可快速准确计算视电阻率。     

人工神经网络在水源地影响评价中的应用

为了评价水源地开采过程中对周围地下水环境的影响，本文运用BP神经网络模型建立了有4个输入、2个输出的三层网络模型，通过BP网络学习训练，得到水源地的BP网络模型，并运用该模型预测了在不同条件下因水源地开采所引起的降落漏斗秒地下水补给量，计算表明，BP神经网络用于模拟地下水系统简便，实用，能很好地预测地下水动态变化情况。     

泥石流危险度评价的神经网络法

泥石流危险度的评价计算，对于泥石流治理及减灾防灾对策的确定具有重要意义，影响泥石流危险度的因素复杂且具有胡机和模糊特性，而神经网络的性能特征使其能适用于解决非线性的泥石流危险度评价问题，本建立了相应的评价泥石流危险度的神经网络模型，并利用具体的实例对网络进行训练和测试，计算分析表明，网络模型对于评价泥石流危险度有较好的适用性。     

遗传BP算法在洛带气田测井物性解释中的应用

应用遗传算法(GA)对BP网络进行了改进，并在此基础上，利用多种测井数据及岩心描述资料作为网络模型的学习样本，以测井解释渗透率等参数的神经网络模型为例，通过网络的学习、训练，建立了神经网络模型．应用此模型计算物性参数值，解释结果及精度均令人满意．     

基于最小熵理论和未确知测度理论的泥石流敏感性分析

为了合理确定各影响因子权重,客观分析泥石流敏感性,基于最小熵分析原理和未确知测度理论建立泥石流敏感性分析模型。选取金沙江流域26条典型泥石流沟,确定9个主要影响因子,利用最小熵分析原理分析各因子对泥石流系统贡献率及权重,然后基于未确知测度理论计算各泥石流沟的多指标综合评价尺度向量,最后根据置信度识别准则确定各泥石流沟敏感度水平。将分析结果与已有成果进行对比可知,仅有7条泥石流沟敏感性结果有所差异。将评价结果与现场实际调查情况对比分析可知,22条泥石流沟的敏感度水平与泥石流实际发育情况相符,仅有4条沟评价结果偏于“保守”,因此,利用所提出的模型进行泥石流敏感度分析是十分有效的,并可对泥石流的防治提供合理的建议,可以在实际工程中推广应用。     

支持向量机在泥石流危险度评价中的应用研究

为改善传统泥石流危险度评价方法存在的缺陷,提出了基于支持向量机的泥石流危险度评价方法,并建立了支持向量机评价模型。研究选取泥石流一次(可能)最大冲出量(L1)、泥石流发生频率(L2)、流域面积(S1)、主沟长度(S2)、流域最大相对高差(S3)、流域切割密度(S6)和泥沙补给段长度比(S9)7个因子作为泥石流沟谷危险度评价因子,运用支持向量机理论,选用径向基(RBF)核函数,采取"试错法"进行参数优选;确定参数C=8,γ=2。以云南省37条泥石流沟的259个基础数据为样本进行学习训练和测试,建立了泥石流危险度评价的支持向量机模型。并将该模型应用于黄河积石峡水电站库区的泥石流危险性评价中进行验证。将模型评判结果和模糊数学方法的评价结果进行对比分析,结果的一致性达到73.33%。研究认为支持向量机方法能够成功地应用到泥石流危险度评价中,且具有较高的精度及很强的泛化能力,应用前景广阔。     

Neural network modeling for regional hazard assessment of debris flow in Lake Qionghai Watershed, China

This paper presents a neural network (NN) based model to assess the regional hazard degree of debris flows in Lake Qionghai Watershed, China. The NN model was used as an alternative for the more conventional linear model MFCAM (multi-factor composite assessment model) in order to effectively handle the nonlinearity and uncertainty inherent in the debris flow hazard analysis. The NN model was configured using a three layer structure with eight input nodes and one output node, and the number of nodes in the hidden layer was determined through an iterative process of varying the number of nodes in the hidden layer until an optimal performance was achieved. The eight variables used to represent the eight input nodes include density of debris flow gully, degree of weathering of rocks, active fault density, area percentage of slope land greater than 25° of the total land (APL25), frequency of flooding hazards, average covariance of monthly precipitation by 10 years (ACMP10), average days with rainfall >25 mm by 10 years (25D10Y), and percentage of cultivated land with slope land greater than 25° of the total cultivated land (PCL25). The output node represents the hazard-degree ranks (HDR). The model was trained with the 35 sets of data obtained from previous researches reported in literatures, and an explicit uncertainty analysis was undertaken to address the uncertainty in model training and prediction. Before the NN model is extrapolated to Lake Qionghai Watershed, a validation case, different from the above data, is conducted. In addition, the performances of the NN model and the MFCAM were compared. The NN model predicted that the HDRs of the five sub-watersheds in the Lake Qionghai Watershed were IV, IV, III, III, and IV–V, indicating that the study area covers normal hazard and severe hazard areas. Based on the NN model results, debris flow management and economic development strategies in the study are proposed for each sub-watershed.     

Effects of strong ground motion on the susceptibility of gully type debris flows

Typhoon Herb in 1996 caused widespread debris flows in central Taiwan. The 7.3 Chi-Chi earthquake on September 21, 1999, which also took place in central Taiwan, induced many landslides in the region. These landslides turned into debris flows when Typhoon Toraji struck Taiwan in 2001. This research selects three regions which suffered a ground motion class of 5, 6, and 7 on the Richter scale during the Chi-Chi earthquake as study areas. Air photos from 1997 and 2001 of these regions are used to map the gully-type debris flows that took place after Typhoons Herb and Toraji, respectively. The gullies adjacent to the debris flow, but without a trace of debris flows, are also mapped as the non-debris flow data. The topography, hydrogeology, and rainfall factors – where debris flow occurred and in which there was no occurrence of debris flows in these gullies were retrieved from DTM, geological maps, and iso-countour maps, and of rainfall through GIS processing. These characteristic are introduced into a probabilistic neural network to build a predicting model for the probability of the occurrence of debris flows. Three series of cross analyses are conducted to compare the probability of the occurrence of debris flows of the same dataset predicted by different prediction models. The results reveal that the susceptibility of debris flows was elevated after the Chi-Chi earthquake struck. The upsurge of susceptibility was more obvious for the regions that received a higher class of ground motion.     

基于BP神经网络的泥石流平均流速预测

泥石流平均流速是泥石流防治工程中不可缺少的重要参数,准确地预测泥石流平均流速对于泥石流防治工程的设计是至关重要的。将BP神经网络应用于泥石流平均流速的预测:将泥石流平均流速的影响因素--泥沙平均粒径、泥深、沟床比降和泥石流密度作为BP神经网络的输入单元,通过对云南东川蒋家沟泥石流观测数据的训练与预测建立了泥石流平均流速的BP神经网络预测模型。将预测结果与东川公式和曼宁修正公式的计算结果进行对比:曼宁修正公式和东川公式预测结果最大误差分别为27%和7.3%,BP神经网络的预测结果最大误差仅为3.2%,BP神经网络的预测精度是最高的,可见此方法对泥石流平均流速预测具有适用性和准确性。最后应用此方法预测了乌东德水电站近坝库区内的3条泥石流的平均流速分别为12.8 m/s、11.3 m/s和13.0 m/s,为库区泥石流防治工程提供了可靠的参考数据。     

中巴经济走廊泥石流活动性分析 ——以中巴公路奥布段为例

中巴经济走廊内的中巴公路奥布段泥石流频发且类型复杂,严重影响着安全出行和贸易流通。在对中巴公路奥布段沿线泥石流沟谷纵剖面形态分析的基础上,揭示其形态指数特征和活动程度,并从区域地形、地质和气象等因素方面探讨了泥石流的活动性差异成因及危害性。研究发现：公路沿线泥石流类型主要包括冰川型和降雨型两种,冰川型泥石流为27条,降雨型为26条。冰川型泥石流活动性强烈,形态指数N ≥ 1的沟谷占冰川型沟谷总数的81%,多数沟谷形态呈下凹状;降雨型泥石流活动性相对较弱,形态指数N ≥ 1的沟谷占其总数的50%,沟谷形态多呈上凸状。研究区大落差地形、不同物源供给和充沛水源条件等对泥石流的发育和活动具有重要影响,也是不同类型泥石流活动性差异的控制因素。研究结果可为研究区泥石流预测和防治提供指导,也可为中巴经济走廊区内交通工程选线和泥石流防治提供参考。     

甘肃陇南武都区泥石流易发性评价

文章分析了甘肃陇南市武都区泥石流形成的自然环境背景、发育特征及易发性。通过野外实地考察,查明了泥石流的发育情况,在此基础上,采用模糊物元可拓方法对泥石流的易发性进行了评价。分析表明,研究区的泥石流具有分布密度高、冲沟及坡面泥石流成片发育、北岸泥石流较南岸发育且粘性泥石流所占比例大于南岸的发育特征;选取岩性、沟床比降、山坡坡度、完整系数、发育程度、降水、断层密度7个因子构建泥石流易发性评价指标体系。通过易发性评价,研究区104条泥石流沟中,66条为高易发性,占总数的63.5%;32条为中等易发性,占总数的30.8%;6条为低易发性,占总数的5.7%。     

Hazard assessment model for debris flow prediction

Debris flow disasters have plagued Taiwan in recent decades, and caused casualties and destruction of property. Several methods, including the numerical method, statistical method, and experimental method, have been adopted in recent years to predict debris flow, and more recently, the neural network (NN) and the genetic algorithm (GA) methods have been introduced to simulate the occurrence of debris flows. This study proposes using the GA to weigh seven important variables according to principles similar to natural selection. The study then simultaneously inputs these variables into a NN model to predict debris flow occurrences based on relevant factors. There were 154 potential cases of debris flow collected from eastern Taiwan and fed into the model for testing. The average ratio of successful prediction reached 94.94%, which demonstrates that the proposed model can provide stable and reliable results for predicting debris flow in hazard mitigation and guard systems.     

基于残差注意力机制的泥石流沟谷识别

针对泥石流灾害沟谷图像分类问题,文章对Resnet18网络进行改进,提出了一种改进的卷积神经网络模型。通过在网络结构中加入残差注意力模块,解决了原模型提取图像特征较差、边缘模糊的问题,改进后的网络能精确捕捉到泥石流灾害沟谷图像中的轮廓和内部山脊信息。此外,文章还对多种注意力机制结构进行了实验对比,分析其差异性,得出最适...     

四川都江堰龙溪河流域泥石流成因、特征和危险性评价

在汶川地震影响下，截至2011年龙溪河流域共计有45条泥石流沟暴发泥石流，造成重大经济财产损失.在龙溪河流域泥石流灾害野外调查的基础上，对形成泥石流的地形、降水、物源成因进行了研究，认为物源和降水是激发龙溪河流域泥石流的主要原因.龙溪河流域泥石流具有群发性和小流域暴发性特征，构造带耦合特征，破坏性大和灾害链作用特征.采用MFCAM模型对龙溪河流域泥石流沟进行危险性评价，结果显示有1条沟危险性大，14条危险性中等，30条危险性小.