BP神经网络在区域滑坡危险性预测中的应用

由于区域滑坡危险性评价复杂性,在已知量和所求量之间往往存在着一种很强的非线性关系,而BP神经网络具备高度的非线性映射能力,因此采用BP神经网络来分析区域滑坡的危险性,可以取得良好的效果。本文结合具体区域滑坡危险性评价,使用Matlab神经网络工具箱中的相关函数建立具体BP神经网络,检验和预测区域滑坡的危险性。     

水库滑坡变形特征的模型试验研究

在库水位的反复变动下,水库滑坡表现出来的阶段性变形特征往往是预警预报的现实依据。以三峡库区簸箕石滑坡为例,在充分认识其地质原型基础上,开展了滑坡岩土物理力学试验。根据相似理论合理选择相似材料,并建立室内滑坡地质力学模型,设计符合原型地质环境条件的两个过程,对滑坡变形特征进行定量研究。结果表明:该滑坡的变形破坏具有突发性,前缘先出现变形,中后缘同时失稳。变形速率有先增大后逐渐减缓的规律,无明显征兆。     

BP神经网络在基坑变形预测分析中的应用

本文提出了基坑变形预测与分析的BP神经网络方法,建立了基坑变形预测分析的模型,应用MATLAB语言编制计算程序进行计算并与实际工程监测值进行比较,从而验证了神经网络在基坑变形预测分析中的可行性、有效性。     

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     

BP神经网络在岩溶水库渗漏评价中的应用

岩溶水库渗漏受众多因素影响,对其渗漏量预测一直是水利工作者的研究热点。本文根据非线性理论,综合考虑各种地质因素并由此建立了一个神经网络系统。研究结果表明,该神经网络模型具有较高的预测精度,是可行和实用的。在此基础上,利用此网络模型对水布垭水利枢纽渗漏进行了定量预测。      

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。     

南江滑坡群体积的BP神经网络模型与预测

基于南江县境内244个典型土质滑坡统计样本,利用BP神经网络模型,采用3种不同的方案(基于不同的评价参数)对滑坡体积进行预测。方案一选取坡高、坡度、坡向、高程、植被覆盖率、岩层倾向、岩层倾角等7项评价参数;方案二选取坡高、坡度、坡向、岩层倾向、岩层倾角等5参数;方案三选取坡高、坡度、坡向等3参数。研究结果表明:3种方案建立的BP神经网络模型都具有较高的可靠性,其预测结果都可以较好地逼近真实滑坡体积值,BP神经网络能有效应用到滑坡体积预测中;3种方案预测值与实际值基本吻合,且两者间的相关系数分别为0.87083,0.90826,0.86119,评价参数的合理选择对滑坡体积预测的准确性有着重要的影响;方案二的相关系数最高,其预测准确性最好,这表明坡高、坡度、坡向、岩层倾向、岩层倾角是影响滑坡体积的重要因素,植被覆盖率和高程为其次要影响因素。     

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。     

人工神经网络在滑坡变形预测中的应用研究

在分析人工神经网络的基础上提出滑坡变形状态的一种简化模型,运用3层前馈型BP网络,对离散时间和滑坡体虚拟质心的进行考察,并以此作为BP网的输人和输出,从而对滑坡变形的预测进行了理论上的探讨.     

BP神经网络在冻土路基变形预测中的应用

在青藏铁路冻土路基现场实测资料的基础上,用改进的BP神经网络建立起了路基变形与地温、路基高度和上限之间的非线性映射.对某一典型路基第30年的变形进行了预测,结果显示路基的累计融沉量在冻胀量的两倍以上.从绘制的路基变形过程曲线可以很清晰地看出路基一年中的变形趋势和冻胀融沉区间.在4月份以后,路基的变形由冻胀向融沉转变,变形与地温有很好的正比关系,但是当地温升高到一定值时,路基的融沉量便不再随着地温的升高而增大.路基的冻胀与地温的关系也有相似的规律,说明地温对路基变形的影响存在一个比较明显的区间,在这个区间范围内的温度对路基变形的影响较大,这为控制路基的病害提供了一个比较有价值的信息.     

基于BP神经网络的滑坡监测多源异构数据融合算法研究

针对滑坡监测中的多源异构数据融合问题,论文提出了一种基于BP神经网络的多源异构监测数据融合算法。该算法将影响滑坡变形的温度、湿度、风力、云量、单日降水量和累计降水量等多环境因子变量作为输入变量,以滑坡位移变化量数据作为期望输出数据,并利用各环境因子变量和滑坡位移变化量的相关性及显著性进行环境因子变量筛选,以提高算法的预测精度。论文采用甘肃省永靖县黑方台党川滑坡的实测数据进行了试验,结果表明：反向传播（Back-Propagation,BP）神经网络数据融合算法适用于具有多源异构监测数据的滑坡变形预测;在进行环境变量因子筛选后,BP神经网络数据融合算法的决定系数达到0.985,均方根误差（RMSE）达到0.4787 mm,从而有效提高了变形预测结果的精度。     

应用一种改进BP神经网络算法预测密度曲线

利用测井数据与地震数据二者相结合进行综合分析,是地震勘探工作者的重要工作。可以通过分析井位处的地震数据与测井数据,提取地震的多个属性,建立一个与测井属性的统计关系。选取已改进的三层网络结构BP神经网络算法,在应用一个实际例子后表明,该算法的主要特点是收敛速度快、计算简单,同时还具有跳出局部最小的能力。应用此神经网络算法对某油田的二维地震数据进行了处理,提取了多种地震属性,并在井位置建立了地震属性与密度曲线的非线性关系,成功预测了剖面密度曲线,为了解储层状况提供了有益的资料。     

基于神经网络理论的三峡水库诱发地震预测研究

在地震地质背景研究的基础上,运用神经网络理论中改进的BP算法对三峡水库诱发地震强度进行了预测研究.预测结果表明,秭归盆地高桥断裂近库段有可能诱发Ms＞6.0级的地震,可能诱发4.5＜Ms＜6.0级地震的库段有庙河口-九湾溪、九湾溪-路口子断层沿线、瞿塘峡北岸库段、大宁河西岸近库段;仙女山断层沿线、高桥断裂灰岩区远库段、巴东以南灰岩区库段等;可能诱发3.0＜Ms＜4.5级地震的库段有巴东-官渡口砂页岩区、巴东以南灰岩区库段,其它库段均为Ms＜3.0级.     

基于多元非线性回归和BP神经网络的滑坡滑动距离预测模型研究

滑坡灾害严重威胁着人类的生命财产安全, 对土地资源造成了一定影响。滑坡滑动距离直接表明了滑坡的冲击、堆积范围大小, 是估算滑坡受灾面积、评估滑坡潜在风险的重要参数, 也是滑坡防灾减灾工作中需要重点关注的指标。为了更准确高效地预测滑坡危害范围, 分别采用多元非线性回归和BP神经网络2种模型对影响滑坡滑动距离的因子进行了评估和建模, 并对天水地区的滑坡实例进行研究。研究结果表明, 2种模型均可用于滑坡滑动距离的预测。相较而言, BP神经网络的预测结果与实际情况有更高的拟合度, 准确性更高。     

灰色理论模型在矿区滑坡变形预测中的应用

灰色理论模型具有利用“少数据”、“小样本”的优点,使得其在滑坡预测分析中显示出极大的优势。利用矿区滑坡监测数据建立起GM(1, 1)模型,通过数据对比、验证和分析,证明了灰色理论模型能更好的反映观测目标的变形趋势。     

滑坡变形立体监测网建设

论文简要介绍了滑坡监测工作内容和监测方法，对现有技术方法在实际工作中的优缺点进行了简要评述。认为在滑坡稳定性监测工作中应该建立全方位、多种手段的立体监测网，仅仅运用某一种或者某一单方面的监测方法是不行的，是片面的，无法准确了解滑坡的动态。所说的立体监测网既有水平位移监测又有垂直位移监测，既有滑坡地表表层变形监测又有滑体深部变形监测，既有专业监测又有群测群防体系。同时监测有可能准确地掌握使滑坡失稳的各种因素（自然因素和人为因素）。因此建议在滑坡监测中建立全方位、多种手段的立体监测网，并提出了立体监测网建设的主要内容。     

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。