共查询到17条相似文献，搜索用时 129 毫秒
1.
基于BP神经网络的泥石流平均流速预测 总被引：4，自引：0，他引：4
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。 相似文献
2.
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。 相似文献
3.
4.
基于神经网络对有限元强度折减法分析 总被引：1，自引：1，他引：0
基于改进BP神经网络方法对目前较为流行的强度折减法的理论进行分析。人工神经网络可以模拟人脑的思维,可以在完全不知道数据分布形式和变量之间确切关系的的情况下处理边坡各参数之间的复杂非线性映射,利用这一优势预测分析不同的理论在实际应用中的准确性。将已经通过工程手段计算出结果的数据以输入单元、隐含层和输出单元的形式代入系统进行神经网络训练,不同的屈服准则对应训练出不同的网络系统。用训练好的网络对检验数据进行预测分析,还使用这一方法预测了不同剪胀角对边坡破坏的影响程度及趋势,结果显示,对于平面应变问题,在有限元强度折减法中使用DP4和DP5准则所得到的效果较好,DP1准则的误差最大。 相似文献
5.
6.
用遗传神经网络分析泥石流活动性 总被引：7，自引：0，他引：7
泥石流是我国山区的主要地质灾害之一。影响泥石流活动性的因素十分复杂，并且具有随机性和模糊性。遗传神经网络结合了神经网络和遗传算法的优点，可以模拟学习和进化之间的交互作用，很适合用于分析泥石流活动性。文章简要讨论了遗传神经网络的原理，建立了泥石流活动性分析的遗传神经网络模型，并将该模型用于川藏公路沿线30条泥石流沟的活动性分析。网络的拓扑结构为(9，6，4，3)，即输入节点(评价指标)、第l隐含层、第2隐含层和输出接点(分析结果)分别为9、6、4、3。首先以其中25条泥石流沟作为样本对网络进行训练，训练时网络的连接权采用遗传算法进行自适应演化，待模型稳定后将其余5条泥石流沟的数据输入模型，计算它们的活动性，计算结果与实际观测基本相符，证明模型是可行的，各个参数的选取也是合适的。 相似文献
7.
8.
本文应用改进的BP网络模型定量分析坝基扬压力的影响因子,赋于网络不同的权值来表示网络的输入变量(水位、温度、时效等因子)对网络的输出变量(扬压力)的影响程度,从而确定各影响因子分量对扬压力的影响比例。采用Levenberg Marquardt算法训练网络,网络达到一定的次数后收敛。实例计算结果表明,该模型具有计算精度高、简便实用等特点。因而认为,把神经网络模型应用于探讨诸如环境量对于效应量影响程度的一类问题,具有好的前景。 相似文献
9.
基于改进BP网络算法的隧洞围岩分类 总被引：14，自引：0，他引：14
围岩分类对指导地下工程的设计和施工具有非常重要的意义.引入人工神经网络的方法, 进行隧洞围岩分类, 在传统BP算法的基础上, 通过改进学习算法、优化传递函数和网络结构进行神经网络方法优化.采用附加动量法和学习速率自适应调整的策略改进学习算法, 使得当误差大于上临界值时, 则降低学习率, 当误差小于下临界值时, 则适当提高学习率, 这样可加快网络的训练速度, 确保网络的稳定性; 通过引入调整学习率参数, 使得传递过程更加敏感, 加快了传递函数的收敛速度, 提高了训练函数的计算精度; 通过给定隐含层节点模型的取值范围, 对网络结构进行优化, 提高了泛化精度.将改进的BP网络模型应用于广东省东深供水改造工程的隧洞围岩分类中, 分类结果与根据《水工隧洞设计规范(SL279-2002) 》的分类结果完全一致, 表明该方法具有良好的工程实用性. 相似文献
10.
为提高多种典型人工神经网络应用于降水预报的精度与稳定性并做出优选,对太湖流域湖西区丹徒、丹阳、金坛、溧阳、宜兴5站的年降水量时间序列建立基于组成成分分析的人工神经网络模型,并通过平均相对误差、平均绝对误差、均方根误差及合格率4项评价指标对比分析预报效果。该模型采用Mann-Kendall法、秩和检验法、谱分析法进行组成成分分析;建立BP网络、小波神经网络、RBF网络、GRNN网络及Elman网络模拟并预测随机成分,与确定性成分叠加得年降水量预报结果。在湖西区的研究结果表明,基于组成成分分析的人工神经网络模型的拟合及预测精度高于原始人工神经网络和线性自回归模型,GRNN网络的预测精度与稳定性高于其他4类神经网络。 相似文献
11.
基于遗传算法和模糊神经网络的边坡稳定性评价 总被引：4，自引：0，他引：4
边坡工程是一个动态的、模糊的、开放的复杂非线性系统,传统的分析方法有时难以对复杂边坡的稳定性做出符合实际的评价。影响边坡稳定性的因素复杂且具有随机性和模糊性。由于神经网络方法不仅能考虑定量因素,而且能考虑定性因素的影响,因而神经网络方法适用于解决非确定性的边坡稳定性评价问题。综合考虑影响边坡稳定性的各方面因素,建立了基于遗传算法的模糊神经网络模型,并利用大量工程资料对网络进行训练和测试。预测结果表明,该模型的预测精度明显高于目前同类方法。 相似文献
12.
人工神经网络在泥石流风险评价中的应用 总被引：14，自引：0，他引：14
泥石流风险评价是对泥石流灾害的预评估,在泥石流防灾减灾实践中具有重要的意义,可直接服务于国民经济建设。人工神经网络具有良好的非线性信息处理能力,特别适宜于解决风险评价中多指标复杂性和不确定性的问题。实例证明,经过训练的网络模型对于泥石流风险评价具有较好的适用性,可以作为泥石流风险评价技术的补充。 相似文献
13.
本文以岫岩县作为研究区域，以自然流域作为评价单元格，采用人工神经网络对该区泥石流的区域危险性进行评价。结果显示，三级以上危险区囊括了99％的泥石流灾害点，评价结果符合实际情况。以流域作为评价单元充分体现了泥石流发生的空间特征和物理机制，危险性区划图直观明了。可为防灾减灾规划提供科学依据。 相似文献
14.
煤层含气量预测是煤层气资源勘探开发利用前期的重要研究内容之一。近些年,BP神经网络算法常用于煤层含气量预测领域,但传统BP模型在训练过程中往往存在收敛速度慢、对初始值敏感以及易陷入局部极小值等问题。为此,提出了一种改进的以人工蜂群算法为特征的BP神经网络预测方法。以沁水盆地某工区3号煤层为研究对象,首先,利用R型聚类分析法对目标煤储层所提取的多种类型的地震属性进行分类,优选出4种对煤层含气量变化反应最敏感且相互独立的地震属性;再利用人工蜂群算法(ABC)寻找BP神经网络的输入层与隐含层的最优连接权值和隐含层的最优阈值,构建具有鲁棒性的ABC-BP神经网络预测模型,并以井位置优选地震属性和含气量数据为样本训练该模型;最后,以整个工区目标储层的优选地震属性为输入,进行工区内煤层含气量的预测。预测结果与各井含气量的变化趋势基本吻合,其中,训练井处的平均误差率为0.23%,验证井处的误差率低于15%,预测精度较高,因此,该预测方法可靠性高,适用性强,可有效用于煤层含气量预测。 相似文献
15.
16.
17.
总结以往滑坡预测方法存在的诸多不足,针对滑坡监测位移-时间曲线特点,本文提出了一种基于时间序列的人工蜂群算法（ABC）与支持向量回归机（SVR）相结合的滑坡位移预测方法。以三峡库区白水河滑坡为例,通过对滑坡位移、降雨、库水位等因素的分析,研究影响滑坡位移变化的因素。用时间序列加法模型和移动平均法将滑坡位移分解为趋势项和周期项。以多项式最小二乘法拟合滑坡位移趋势项,用人工蜂群支持向量机模型对滑坡位移周期项进行训练和预测。通过灰色系统关联分析法计算多项因子与滑坡位移周期项之间的关联性。最终的滑坡总位移预测值为周期项预测值与趋势项预测值之和。与BP神经网络、PSO-SVR模型方法相比,该方法在滑坡位移预测中有更高的精度,在防灾减灾工作中有较好的推广应用前景。 相似文献