共查询到14条相似文献，搜索用时 526 毫秒
1.
基于数量化理论和BP神经网络的滑坡体积预测 总被引：1，自引：1，他引：0
[目的]探讨数量化理论Ⅲ和BP神经网络在滑坡中综合应用的效果,为滑坡体积的预测提供一种新的思路。[方法]采用数量化理论Ⅲ分析滑坡体积的影响因素及其耦合作用强度,并结合其分析结果,将次要因素和强耦合程度样本进行剔除,再依据其剔除的不同阶段构建3种滑坡体积的BP神经网络预测模型。[结果]滑坡体积的主要影响因素是坡角、坡向、植被覆盖率和坡高,次要影响因素是岩层倾角、斜坡高程和岩层倾向因素,且在不同样本中,体积影响因素之间的耦合程度具有一定的差异。[结论]该预测方法可行,对次要因素和强耦合程度样本的剔除,提高了预测精度。 相似文献
2.
基于支持向量机和BP神经网络的滑坡变形复合式预测 总被引：1，自引：1，他引：0
[目的]探讨复合式组合预测模型对滑坡两变形时间序列的预测效果,为滑坡的变形预测提供一种新的思路。[方法]基于支持向量机和BP神经网络,构建滑坡位移序列和速率序列的复合式预测模型,首先,对滑坡环境因素进行分析,提取其基本信息;其次,利用2种预测方法构建回归结构预测模型和多因素预测模型,并对两时间序列进行一重预测;最后,利用BP神经网络对一重预测结果进行了二重组合优化。[结果]滑坡库水位与滑坡两变形序列均具有较大的相关性,滑坡的稳定性很大程度上会出现周期性疲劳减弱的可能,且通过对滑坡变形的复合式预测。[结论]该方法的相对预测误差均较小,很大程度上提高了滑坡变形的预测精度和稳定性,证明了该预测模型的有效性。 相似文献
3.
[目的] 有效掌握滑坡变形规律,实现对滑坡变形的高精度预测。[方法] 基于滑坡现场变形监测成果,先利用优化经验模态实现其变形数据的信息分解,再利用优化径向基神经网络和马尔科夫链完成滑坡变形的分项组合预测;最后,利用季节性Kendall检验判断滑坡变形趋势,以验证预测结果的可靠性。[结果] 经验模态能有效分解滑坡变形信息,且通过优化处理,能进一步提高分解效果,并以互补式集合经验模态的分解效果最优;同时,预测结果的平均相对误差均小于2%,具有较高的预测精度,验证了预测模型的有效性,且变形趋势判断结果与预测结果较为一致,说明预测过程较为可靠,两者均得出滑坡变形呈持续增加趋势。[结论] 由于滑坡变形具增加趋势,其稳定性趋于不利方向发展,应尽快开展滑坡灾害防治。 相似文献
4.
大巴山区顺层岩质滑坡发育影响因素的贡献率及易发性评价 总被引：1，自引：1，他引：0
[目的]顺层岩质滑坡是大巴山区极其发育的一类灾害,通过对其发育影响因素的贡献率及易发性评价研究,构建预测评价模型,为该区防灾预灾工作提供科学支撑。[方法]基于GIS和数量化理论Ⅱ,选取21个研究区基岩顺层滑坡的样本,利用GIS技术提取高程、坡度、斜坡结构等9个影响因素的基础数据,通过数量化理论计算方法对学习样本进行学习,确定各因子类目得分,得到各项基础数据的易发性评价系数,然后通过GIS将各图层叠加,进行全范围的易发性预测。[结果]对滑坡贡献率较高的影响因素有:斜坡坡度约10°～20°,顺向坡斜坡结构、砂质硬岩夹软岩的岩体结构、汇流面积,水流冲蚀;基于数量化理论Ⅱ建立的易发性预测方法可以较准确地划分区域易发性的高低。[结论]位于大巴山区的南江县南部、巴州区北部、苍溪县南东部、宣汉县南西侧地等区域为顺层岩质滑坡的高易发区,这也与调查结果相符,GIS和数量化理论Ⅱ相结合的滑坡易发性预测方法适用于该地区滑坡易发性、危险性等相关领域的研究。 相似文献
5.
[目的]揭示川东红层岩质滑坡稳定性的影响因素,为该地区滑坡的防治提供理论依据。[方法]基于对川东红层地区的滑坡综合调查,利用数量化理论Ⅲ对该地区滑坡的影响因素及其耦合作用进行分析。[结果]川东地区滑坡的主要作用因素为岩层倾角、滑坡高度及临空面高度,次要作用因素为土地利用情况及岩层组合关系,而一般作用因素是外营力及人类工程活动和岩层时代;确定出年降雨量、侏罗纪时代岩层、小于50m的滑坡高度、岩层倾角在5°~15°之间、厚层砂岩或泥岩夹薄层泥岩或砂岩、临空面高度在5~15m之间、土地旱地利用及河流冲刷及人类工程活动的主控影响因素。[结论]在不同滑坡样品中,不同因素的耦合强度具有一定的差异。经对比分析结果与现场调查的可靠性验证,证明了该方法的有效性。 相似文献
6.
[目的]评价青海省高家湾滑坡稳定性,为其灾害防治提供一定指导。[方法]在对高家湾滑坡基本特征分析基础上,先开展其形成条件研究;其次,利用传递系数法和瑞典圆弧法实现其稳定性现状评价,并进一步采用长短时记忆神经网络构建其变形预测模型,实现其稳定性预测评价。结合稳定现状评价结果,实现其稳定性的综合研究。[结果]高家湾滑坡具有滑坡形成的基本条件,且具有复合多期巨型规模特征,对其防治应具有综合性;同时,滑坡现状处于稳定状态,但局部次级滑坡存在失稳可能,且在不利工况条件下,稳定性将会进一步减弱;另外,据变形预测研究结果,得出其平均相对误差均小于2%,进而验证了本文优化LSTM模型的有效性,且通过外推预测,得出高家湾滑坡变形仍将继续增加,且无收敛迹象。[结论]高家湾滑坡稳定性还会进一步减弱,趋于不利方向发展,应尽快采取必要措施切实保证滑坡稳定。 相似文献
7.
[目的]通过对滑坡位移预测模型进行研究,为政府部门实施更加可靠的灾害防治决策提供科学依据。[方法]提出了一种矩阵奇异值分解(SVD)约束型无迹粒子滤波(IUPF)方法,建立基于位移参数的滑坡位移预报模型。[结果]利用改进的SVD方法有效提升了无迹粒子滤波方法中Sigma点计算的鲁棒性,从而提升了算法的预测精度,对滑坡的稳定趋势能够做出更准确的预报。将该算法在镇江市跑马山滑坡体监测工程、京港澳高速公路雨花互通南侧护坡体滑坡监测工程相关数据进行了应用和分析验证。[结论]实例验证结果表明,加入SVD约束后的无迹粒子滤波算法,能够使得滑坡位移预测更加准确,预测的数据更加准确地反映了滑坡的变形趋势。 相似文献
8.
[目的]确定遵义市不同地质灾害易发区的滑坡临界雨量,建立阈值模型并对其进行检验评估,为该地区滑坡预测提供科学依据。[方法]利用遵义市2010—2016年59次滑坡事件对应的逐小时降雨资料,采用统计方法对不同地质灾害易发区的滑坡临界雨量的历时、降雨类型对比分析,建立阈值模型并对其进行检验评估。[结果]中锋型是主要的降雨类型;大于10和20mm/h强降雨基本来自滑坡发生当天,但中易区降雨历时均长于高易区的降雨历时。对于高易区来说,滑坡当日1h最大雨量与前期3d的有效雨量组合的阈值模型预报准确率最大,因此将滑坡当天1h最大雨量作为高易区滑坡发生的激发雨量。而对于中易区来说,滑坡当天3h最大雨量是其滑坡发生的激发雨量。[结论]不同等级地质灾害易发区其滑坡临界雨量不同。对已经确定的滑坡阈值模型需根据新增滑坡信息进行检验评估,如果预测模型对新增滑坡预测不准确,需调整其滑坡判别线,从而对阈值模型进行订正。 相似文献
9.
基于组合赋权法的中巴公路奥依塔克至布伦口段泥石流危险性评价 总被引：1，自引：0，他引：1
[目的]研究泥石流危险性,为泥石流多发地区危险性评价指标权重的确定提供一种有效的方法。[方法]针对单一赋权法确定权重的缺陷,分别采用层次分析法和熵值法确定中巴公路泥石流危险性评价指标的主观和客观权重,再用组合赋权法确定指标的综合权重。以中巴公路沿线重点单沟泥石流为例,选取爆发规模、爆发频率、主沟长度、流域切割密度、流域面积、流域相对高差、主沟纵坡、24h最大降雨量、松散堆积物厚度、泥沙补给段长度比10个指标作为评价因子。获取泥石流现场调查数据后,依据上述方法对该区域泥石流的危险性进行评价,并将计算结果与集对分析方法和现场调查结果进行了对比分析。[结果]属于中度危险的沟谷只有5条,占25%,说明该地区大部分泥石流危险性偏高。[结论]评价结果与现场调查结果吻合,证明了该方法的可行性。 相似文献
10.
动态聚类最近邻法在湖库蓝藻水华预测中的应用 总被引：1，自引：0，他引：1
[目的]探索湖库蓝藻水华的有效预测方法,为水环境污染防治关键问题的解决提供科学依据。[方法]结合蓝藻水华演化中表现出的混沌类随机特点,提出一种基于有效性函数优化的动态聚类算法,以实现蓝藻水华动态、小范围近邻优化预测的目的。首先,基于动态聚类算法对监测数据进行典型类的客观划分,为后续有效减小搜索空间,提高预测精度奠定基础;而后采用粒子群算法优化得到各类的最佳近邻个数,以确定参与回归建模的观测值数量;最后依据最近邻观测数据建立动态回归预测模型。[结果]采用太湖金墅监测站点2011年叶绿素a浓度测定值进行建模,之后对2012年叶绿素a浓度进行短期预测。新建模型的预测值与实际值运行趋势一致,且相对误差为12.02%,而基于传统聚类线性回归算法的相对误差为15.21%,基于BP神经网络预测算法的相对误差为19.51%,相空间重构算法的相对误差为38.42%。[结论]算例结果表明该方法的预测精度相对较高,证明了所提优化预测方法的可行性与有效性。 相似文献
11.
基于集合经验模态分解和人工蜂群算法的工厂化养殖pH值预测 总被引：8，自引：5，他引：3
针对单一预测模型预测养殖pH值精度低等问题,提出集合经验模态分解(ensemble empirical mode decomposition,EEMD)和改进人工蜂群算法(improve artificial bee colony,IABC)相结合的南美白对虾工厂化养殖pH值组合预测模型。在建模过程中,利用EEMD算法对原始pH值时间序列进行多尺度分解,得到一组平稳、互不耦合的子序列;根据各子序列变化特征选择适宜的单项预测方法并建模,通过改进人工蜂群(IABC)算法优化复杂非线性组合预测模型目标函数权重系数,构建了工厂化养殖pH值非线性组合预测模型。利用该模型对广东省湛江市2014年9月8日-2014年9月15日期间工厂化养殖pH值进行预测,结果表明,该预测模型取得了较好的预测效果,与模拟退火优化BP神经网络(simulated Annealing-BP neural network,SA-BPNN)和遗传算法优化最小二乘支持向量回归机(genetic algorithm-least square support vector regression,GA-LSSVR)对比分析,模型评价指标平均绝对百分比误差MAPE、均方根误差、平均绝对误差MAE和相关系数R2分别为0.0035、0.0274、0.0224和0.9923,均表明该文提出的组合预测模型具有更高预测精度,能够满足实际南美白对虾工厂化养殖pH值精细化管理需要,也为其他领域pH值预测提供参考。 相似文献
12.
浙江水蜜桃成熟期集合预报模型 总被引：2，自引：0，他引：2
物候期预报多基于单一性模型,预报结果的精度和稳定度较差,难以实现业务应用。本文利用2005?2017年宁波水蜜桃主产区收集的物候期和气象资料,构建不同时间尺度（小时、日、候、旬、月）和不同时间起点（固定日期、物候期）下的成熟期预报模型集,探究集合模型在物候期精细化预报中的可行性。基于模型预报结果的精度和稳定度,分别利用算术平均法、回归系数法、相关系数法和绝对误差法确定集合预报模型成员的权重,构建不同预报时效的水蜜桃成熟期加权集合模型。结果表明：利用4种权重系数确定方法构建的加权集合模型均保持了较高的精度和稳定度,集合模型回代检验的绝对误差AE平均仅0.69（在0.56～0.87）d,均方根误差RMSE平均为0.90（在0.69～1.14）d,相关系数R平均达0.95（在0.92～0.98）;相比单一模型,集合模型的AE和RMSE分别缩小0.5d和0.6d,R值提高0.12。基于绝对误差法构建的加权集合模型效果最佳,回代检验AE和RMSE平均值分别为0.66d和0.88d,对宁波水蜜桃主产区成熟期预报的AE≤2d。集合模型中适当融合硬核期观测能将预报误差缩小0.2～0.3d。集合预报模型为物候期精细化预报提供了新的思路,能够满足业务应用需求。 相似文献
13.
14.
参考作物腾发量（reference evapotranspiration, ET0）是农业生产中一项重要的参数,对评估未来的干旱程度和实现农业精细化管理具有重要意义。为进一步提高ET0的预报精度,该研究将多模式集成方法应用于ET0的预报,运用遗传算法-回归型支持向量机对欧洲中期天气预报中心、美国国家环境预报中心、日本气象厅和韩国气象厅4个中心全球集合预报模式输出的天气变量进行多模式集成处理,基于最优的模式和方案使用Penman-Monteith公式对山西运城站未来1～7 d的ET0进行预报,并对其在站点附近农业试验田的适用性进行验证。结果表明,多模式集成能够调和单一模式在气象预报中的优劣,从而提高ET0预报的精度和长预见期下的稳定性;在ET0预报中,多模式方案的性能明显优于原始单一模式,由最优模式和方案组成的重组方案预报性能最好,具有最小的均方根误差、平均绝对百分比误差,分别为0.65～0.81 mm/d和19.43%～23.78%,以及最高的决定系数（0.83～0.89）。在对试验田未来1～7 d的ET0预报中,重组方案仍表现出良好的预报性能,均方根误差、平均绝对百分比误差不超过0.83 mm/d和34.57%。该研究能有效提升数值天气预报在运城站下属乡镇地区的适应性,为当地农业实际生产提供准确的ET0预报信息,对于农业需水预测以及水资源优化管理具有重要意义。 相似文献