甘肃黑方台滑坡滑距参数的BP神经网络模型

在甘肃黑方台,由于台塬大面积提水灌溉导致台塬边滑坡频繁发生,对当地居民生命财产安全造成危害。文章以黑方台75处滑坡(含53处黄土滑坡与22处黄土-基岩滑坡)为研究对象,基于BP神经网络模型,优化建立了迭代BP神经网络模型,全方位研究分析了滑坡滑距同滑坡体体积参数与地形地貌参数之间的关系,其中黄土滑坡迭代99次,黄土-基岩滑坡迭代256次。最优模型返回相关系数为0.976(黄土滑坡)与0.978(黄土-基岩滑坡),结果具有较高的可靠性。选取模型结果最优的几组迭代方案分析可知,影响黄土滑坡滑距的重要参数为滑坡体积、滑源区纵向长、滑坡落差、滑坡坡角、黄土厚度,次要参数为滑源区横向宽与滑坡壁高;影响黄土-基岩滑坡滑距的重要参数为滑源区纵向长、滑坡落差、滑动方向、基岩倾角、滑坡坡角,次重要参数为滑坡体积与岩层倾角,次要参数为滑源区横向宽与滑坡壁高。该研究为黑方台地区滑坡滑距以及滑坡危险范围的研究提供参考与指导。     

基于数学建模的城市表层土壤重金属污染浅析

近年来,数学建模应用于空间数据样本分析范围越来越广,基于城市已经划分的五类功能区各自位置特点,以及八种主要重金属污染元素浓度数据样本,分析人类活动对城市表层土壤重金属污染影响。在可视化模拟过程中,首先运用克里格方法进行插值,而后建立模拟退火、神经网络等数学模型,研究探讨该城区重金属的空间分布、污染程度、污染原因,从而确定污染源位置,将模型应用推广。计算结果表明,该方法较为准确地推断出了污染源的位置及污染物分布状况,基本实现了对传播过程的模拟。     

WA联合ELM与OS-ELM的滑坡位移预测模型

滑坡累积位移监测曲线往往呈现出复杂的非线性增长特性,对此建立了不少相关的预测模型,而以往的预测模型存在着许多不足。本文基于小波函数（Wavelet Analysis,WA）,ELM与OS-ELM,提出一种名为WA联合ELM、OS-ELM的预测方法。首先,该方法基于小波函数,将滑坡累积位移分解成受内部地质条件影响的趋势项和受外部影响因子影响的周期项;然后,基于ELM与OS-ELM分别对趋势项和周期项进行预测;最后将趋势项和周期项的预测值叠加得到累积位移的预测值。结果表明,小波函数得到的趋势项展现出良好的趋势性,而周期项也展现出良好的周期性;以Sigmoid方程为核函数,隐含层神经元个数为33的ELM模型能准确高效对趋势项进行预测,而以RBF方程为核函数,隐含层神经元个数为100的OS-ELM模型能准确高效对周期项进行预测;累积位移预测数据的RMSE分别为0.1423和0.1315,预测结果相对较好,能够在滑坡位移预测领域发挥一定的作用。     

文家沟泥石流治理工程效果的定量分析评价

汶川地震后文家沟频繁暴发泥石流,给当地居民带了巨大的财产损失并造成了人员伤亡。为了防范泥石流带来的危害,文家沟治理工程采用了"上游水砂分离、中游固底护坡、下游拦挡停淤"的总体思路并完成治理。在治理工程经历了5个雨季的考验之后,本文基于生存分析模型以及Bootstrap方法和ELM,从定量研究的角度对治理工程的效果进行分析评价。生存分析模型结果表明治理前生存概率降低至0%时,治理后仍为55.6%;治理后暴发泥石流的最大小时降雨量为治理前的2.571倍,降雨总量为治理前的1.232倍,降雨历时为治理前的5.435倍;模型结果体现了治理工程泥石流防范的重要作用。Bootstrap方法以及ELM模型结果表明,在假设没有治理工程情况下,2011~2015年的10次降雨事件暴发泥石流概率为100%,远高于真实情况的30%;且预测的泥石流冲出量远远大于真实的冲出量;模型结果体现了治理工程防灾减灾的重要性。