基于滑坡监测数据的Elman神经网络动态预测

滑坡在我国是一种极为频发的地质灾害,且其积累位移监测曲线有着复杂的非线性特性,对此各研究者建立过许多预测模型,然而这些模型的预测精度不尽如人意。基于Elman神经网络可以任意精度逼近任意非线性函数的特征,并以sigmoid为方程的核函数,在选择隐含层数时用了试用法,通过\     

Elman神经网络在地下水动态预测中的应用

详细介绍了Elman神经网络的基本结构和数学模型,同时以地下水动态预测为例,给出用Elman神经网络建立地下水动态预测模型的方法。模型检验结果表明,该模型拟合和预测精度均较高,可应用于地下水动态系统的建模,借此说明Elman网络在地下水动态预报中的可行性,并为Elman网络技术在水文水资源领域的动态模拟应用提供借鉴。     

基于GPS监测数据的某滑坡变形分析

三峡库区某滑坡采用GPS监测滑坡地表位移,至今已积累了6年的监测资料。根据积累的监测数据,采用回归分析法对滑坡变形进行了分析和建模,结果表明,降雨为滑坡变形的主要影响因素,库水位变化量对滑坡变形的影响并不显著。但在降雨的情况下,库水位的下降对滑坡的变形起促进和加剧作用,库水位的上升对滑坡的变形起缓和作用。     

海量监测数据下分布式BP神经网络区域滑坡空间预测方法

提出BP神经网络的分布式区域滑坡预测方法,算法设计在大数据分布式处理平台Spark下实现,通过构造包含均方误差和L2正则化的代价函数,提高运算实时性和算法泛化能力。统计影响滑坡评价因子的量化指标和定义监测剖面危险级别评价值,并进行评价因子特征选取,用于三峡库区忠县区域9个滑坡11年月监测海量数据挖掘,对研究区所有滑坡监测剖面每月进行危险级别评价,实现以月为周期的区域滑坡危险程度空间预测。试验表明,采用所述方法得到的拟合精度、准确度、效率均比梯度提升决策树、随机森林算法好,预测的滑坡危险级别准确,该方法可作为区域滑坡空间预测的一种新思路。     

基于改进的Elman神经网络的中长期径流预报

径流中长期预报长期以来一直都是人们关注的热点研究问题。现行的径流预报方法很多,传统的有时间序列法,多元回归分析法等,这些方法虽然简单易用,但是如果预报对象提供的样本容量偏小或者因子选择不够合理,都会造成预报精度偏差过大,难于有效的指导工程应用。鉴于此,本文提出一种改进的采用局部回归的Elman神经网络方法。并应用到凤滩水库优化调度的径流预报中。结果表明,与回归分析法、BP网络相比较,该方法不仅提高了算法的效率,而且提高了预报的精度,在径流预报中具有有效性和优越性。     

基于时变监测数据的降雨滑坡多目标随机反分析

基于非饱和土流-固耦合理论和贝叶斯理论,建立了边坡的非饱和土流-固耦合随机反演模型,提出了基于马尔科夫链的多目标随机反分析方法,利用位移和孔隙水压力时变监测数据进行多目标和单目标随机反演,并对反演结果进行比较分析。结果表明,多目标随机反分析参数后验分布标准差较单目标随机反分析明显减小。单目标随机反分析只对本目标进行优化,对其他目标的预测误差较大。多目标随机反分析能同时对所有目标进行优化,反演结果对所有目标误差均较小,95%置信区间较单目标明显收窄,采用不同类型监测数据的多目标随机反分析所得结果更为可靠,预测更为准确。     

基于小波变换模极大值的滑坡监测数据处理方法及其实现

首先给出小波变换模极大值法用于滑坡体位移监测曲线去噪的处理方法,并对该方法在MATLAB中的实现进行了研究和探讨,给出了实现的算法步骤以及相应的MATLAB程序代码。利用实际数据资料,在MATLAB下进行滑坡体位移监测曲线去噪试验,取得了较理想的效果。实验结果表明,将小波变换模极大值法用于滑坡体数据处理,不但可以有效地消除噪声,而且还可以保持信号的阶跃或突变点的位置不变。     

基于BP神经网络湖南益阳市滑坡敏感性分析

益阳市是湖南省地质灾害易发区之一,其中滑坡地质灾害占比74.1%。滑坡的敏感性分析通常采用专家知识评价、编录数据评价、滑坡过程物理评价等方法,其评价结果受评价人员水平的影响或评价过程复杂,适用性有限。基于BP神经网络算法,将益阳市338处滑坡以及1∶10 000地质灾害详查得到的307处未滑坡的斜坡调查数据,提取到1个数据库中,利用BP神经网络方法,经过信号正向传播和反向传播的误差逐步修正,研究益阳市滑坡的敏感性影响因子。结果表明,计算模型和滑坡影响因子的重要性从高到低依次为斜坡类型、坡度、坡高、坡顶高程、地层岩性、斜坡结构类型,为滑坡野外识别和防治提供了数据支撑。通过实例分析验证了计算模型的正确性,该计算模型可应用于大批量斜坡稳定性分析。     

基于深部监测的滑坡动态特征分析

滑坡监测的目的是获取滑坡变形特征和演变过程。对于一些重要场地,判断其是否存在潜在滑坡时,深部位移监测是最直接和最有成效一种手段。通过在某厂房后坡两个监测断面设置5个深部位移监测孔,根据监测结果对滑坡体的范围、整体活动性、滑动方向、滑动面进行以及滑坡类型进行探讨和分析。监测结果表明:厂房后坡具有牵引式滑动特征,活动性明显; 坡体位移速度较大,雨季有加速变形的特征; 坡体前缘滑面已局部贯通,中、后部滑带也处于蠕动变形状态。     

滑坡和崩塌监测数据采集与管理程序的研制

本文介绍了一套滑坡、崩塌监测数据采集与管理程序的主要功能、特点和使用方法,并采用该程序对某滑坡的监测数据进行了分析。     

基于ASP.NET的滑坡实时监测数据网上发布系统设计与实现

基于Asp．Net是目前数据库开发应用的新趋势。文章分析了Asp．Net特点的条件下，提出利用．net技术，采用Ado．Net数据访问组件，建立基于用户层、数据库服务层、业务逻辑层的3层结构框架的地质灾害实时数据发布系统。并从数据库表设计、功能设计等方面进行了系统构建的分析，结合身份验证、监测数据的发布、监测曲线的发布等方面说明了系统实现过程，最后给出了一个基于此设计建立的实例，说明了通过Internet采用最新的．net技术，可以便利地建立耦合最新的、实时的、多类滑坡动态监测数据、滑坡基础灾害资料、实时气象数据等于一体的图文并茂的滑坡灾害网上实时发布系统。     

基于实时地质灾害监测数据的预警预报动态阈值分析方法

目前在地质灾害监测领域,监测预警信息的发布主要基于各类监测设备的阈值设定。阈值是根据经验或专家估计设定,不仅对地质灾害不同类型、不同环境缺乏针对性,而且设定后较长时间不变,或根据经验略微浮动,缺少数据样本分析的科学性。另外监测设备容易受到卫星信号等环境因素影响,因此在实际运行中可能会出现误报、漏报的情况。为了解决上述问题,文中提出了一种预警阈值自学习自修正从而进行动态调整的方法,引入了两种可变阈值,并提出了一种基于优先级和门以及半马尔可夫过程 VTAS的性能指标优化新方法。半马尔可夫过程的应用使该方法能够考虑具有非高斯分布的工业测量。此外,文中还提出了一种基于遗传算法的优化设计过程,用于优化参数设置,提高性能指标。通过数值仿真以及与以往研究的比较,说明了该方法的有效性。将该方法在实测点位上进行应用,根据结果可知,相比于使用固定阈值,该方法能有效地减少系统误报、漏报,提高地质灾害预警的准确性,从而更好地保护人民生命财产安全。     

基于Elman型神经网络的金川二矿地表岩移时序预测 模型

建立于煤矿开采基础之上的矿山开采沉陷理论和预测方法并不适用于象金川这样厚大、陡倾的金属矿床开采的岩移问题,因此,本文探讨利用神经网络来对地表岩移进行预测。根据Elman神经网络能够逼近任意非线性函数的特点和具有反映系统动态特性的能力,提出了利用Elman神经网络建立地表岩移时序预报模型的方法。利用金川二矿区GPS监测所得到的时间序列数据,通过对Elman神经网络模型预测值与GPS实测值之间的比较,结果表明模型预测显示了良好的准确性,特别是在时间步长较短情况下,应用于实际预测一定程度上可以弥补金属矿山岩移预测方法不足的缺憾。     

基于灰色-进化神经网络的滑坡变形预测研究

滑坡变形位移预测对滑坡灾害治理具有重要的意义。考虑到滑坡位移单调增长的特殊性，根据位移分解原理，采用灰色系统提取位移趋势，用基于免疫进化规划的新型进化神经网络模型逼近位移偏差，从而提出了1种滑坡位移预测的新型智能方法。并用新滩滑坡的实测位移预测研究证明了所提智能预测方法的有效性及可行性     

Elman神经网络在低渗储层敏感性预测中的应用

油气储层敏感性是制约低渗储层有效开发的重要因素之一,但在勘探开发早期储层敏感性预测及分布规律的研究受到资料不足的限制.从实验敏感性分析结果入手,对Elman神经网络预测储层敏感性的过程及方法进行了系统的分析,并提出了通过设置虚拟井来预测储层敏感性平面分布的方法.结果表明:①影响低渗储层敏感性的主要因素有蒙皂石、伊利石、高岭石、绿泥石、伊-蒙混层、石英、长石的体积分数,孔隙度和渗透率;②Elman神经网络能够很好地预测低渗储层的敏感性,预测结果与实测结果绝对误差的平均值均低于0.04,水敏性样品的预测结果与实测结果绝对误差的平均值为0.001;③通过设置虚拟井位,能够很好地预测储层敏感性的平面分布规律.     

基于卷积神经网络的福建省区域滑坡灾害预警模型

福建省滑坡灾害频发,开展区域尺度上的滑坡灾害预警是防灾减灾的重要手段,但由于滑坡成灾机理复杂,传统的区域滑坡预警方法存在精度不足等问题。深度学习是指通过构建神经网络模型进行特征的提取、抽象、表示与学习的技术,是机器学习的一种。卷积神经网络作为一种经典的深度学习算法,具有比传统机器学习更强大的分类能力与表征能力。文章以福建省为研究区,将卷积神经网络引入滑坡灾害预警领域,构建福建省区域滑坡预警模型,过程及结果如下：（1）采用SMOTE优化算法对2010—2018年福建省滑坡灾害样本库进行优化,扩充正样本的个数,将正负样本比例从1∶3.4扩充到1∶2,样本总量达到18040个;（2）构建卷积神经网络模型结构,模型结构包括一个输入层、两个卷积层、两个最大池化层和一个全连接层以及一个输出层;（3）使用卷积神经网络对优化后的样本（2010—2018年样本的80%作为训练集）进行训练,并用贝叶斯优化算法优化模型超参数,得到福建省区域滑坡预警模型;（4）以2010—2018年样本的20%作为测试集对模型进行测试,采用混淆矩阵、ROC曲线进行模型测试,结果显示模型准确度为0.96～0.97,AUC值达到0.977,模型精度与泛化能力良好;（5）以2019年汛期滑坡灾害实况作为正样本,通过时空采样的方法采集负样本,构建2019年区域滑坡样本校验集（样本数603个）,对模型进行进一步实况校验,采用混淆矩阵、ROC曲线进行模型校验,结果显示模型准确度为0.75～0.85,AUC值为0.852。虽然仅用了2019年汛期的滑坡实况样本进行校验,但也达到较好的效果。将卷积神经网络算法应用到区域滑坡预警中,为建立区域滑坡预警模型提供了一种新的途径,初步校验表明,模型效果良好,今后将在福建省对模型进行进一步的应用与校验。     

基于粗糙集和BP神经网络的滑坡易发性评价

区域滑坡易发性评价是国土规划和滑坡中长期防治的重要依据。为进一步提高滑坡易发性评价的准确性,以恩施市龙凤镇为研究区,运用地理信息系统GIS技术,获取了包括工程岩组、坡度、地质构造等在内的13个初始评价因子,利用基于遗传约简算法的粗糙集理论对初始评价因子进行属性约简,去掉冗余属性后获得最小约简,即8个核评价因子：工程岩组、高程、地形曲率、道路、水系、坡度、坡向、径流强度指数,并以此作为BP神经网络的输入层,构建RS-BPNN预测模型,获得滑坡易发性指数LSI及滑坡易发性等级分区图。其中高易发区面积占总面积的12.82%,该区包含的滑坡面积占总滑坡面积的78.11%,通过ROC曲线测试,模型预测精度为90.9%。结果表明,RS-BPNN模型预测性能良好,进一步提高了滑坡易发性评价的精度和准确性,有较高的工程实用价值。     

考虑环境变量作用的滑坡变形动态灰色-进化神经网络预测研究

滑坡变形预测对于指导灾害的预防工作、保护人民的生命和财产安全具有重大实用价值。从系统论观点出发,结合岩土体流变理论和时序分析原理,在深入研究影响滑坡变形的主控环境变量基础上,将位移时序分解为趋势项和偏离项。采用灰色系统模型提取位移时序趋势项,结合遗传算法和人工神经网络建立起进化神经网络模型,逼近主控环境变量与位移偏离项之间的非线性关系。根据蠕变阶段和变形对环境变量响应情况,实时调整模型,建立起滑坡变形预测的动态灰色-进化神经网络（GM-ENN）模型。将此预测思路和方法应用于三峡库区某滑坡变形预测研究中,证实了模型的有效性和实用性,显示了动态预测的重要性。     

基于深度神经网络模型的雅安市滑坡易发性评价CSCD

准确的滑坡易发性评价结果是滑坡风险评估的基础,对防灾减灾工作有着重要的意义。文章以雅安市为研究区,在野外地质调查的基础上,选取高程、坡度、坡向、平面曲率、剖面曲率、地形湿度指数、泥沙输运指数、径流强度指数、归一化植被指数、年均降雨量、地震动峰值加速度、地形起伏度、距断层距离、地层岩性、距河流距离、距道路距离等16个因子,构建研究区滑坡易发性评价指标体系,采用度神经网深络(DNN)模型进行滑坡易发性评价,根据易发性指数将研究区划分为极高易发区(12.2%)、高易发区(7.0%)、中易发区(9.8%)、低易发区(17.0%)、极低易发区(54.1%)五个等级,并与人工神经网络(ANN)模型进行对比,用ROC曲线的AUC值进行精度检验。结果表明,DNN模型的评价精度AUC(0.99)大于ANN(0.96)模型。因此,相比ANN模型,DNN模型在该研究区有着更好的拟合能力和预测能力,滑坡极高和高易发区主要分布于雅安市人类工程活动强烈的低海拔地区,沿着道路和水系分布,距道路距离、高程、年均降雨量是影响雅安滑坡发育的主要影响因子。     

基于DInSAR-BP神经网络的震后区域滑坡危险性综合评价研究

地震对人类的威胁不仅是发生时直接造成的人员伤亡和财产损失, 更体现在地震所产生的高隐蔽性、高危险性滑坡隐患体带来的危害, 震后区域滑坡隐患体的快速识别和科学评价在震后抢险、排险工作中至关重要。以九寨沟地区“川主寺—九寨沟”公路沿线区域为研究对象, 建立了基于DInSAR-BP神经网络技术的震后区域滑坡危险性综合评价模型。研究结果显示, 九寨沟地区震后的滑坡高危险性区域面积约为2602.35 km2, 是震前的3.4倍, 并且这些区域主要分布在震中东北方向约20 km附近、九寨沟景区内以及川九路前70 km, 符合震后调查情况; 使用多元非线性回归法可以有效计算震后地表形变值对滑坡危险性的影响, 使震后危险性评价结果精度提高了13.9%, 证明了模型在研究区域内具有良好的适用性。