不确定近似骨架遗传蚁群算法在滑坡危险性预测中的研究与应用
发布时间：2021-03-28 08:18
滑坡灾害是目前影响我国人民生命安全和自然环境的重要威胁,影响滑坡的因素具有不确定性特征,对滑坡灾害危险性预测造成较大难度,寻找一种有效预测滑坡危险性的方法成为能够解决滑坡灾害的关键问题。滑坡是受多个影响因子作用,各影响因子之间具有不同的相关性和复杂性,影响因子对滑坡危险性预测具有引导作用,为了有效处理各影响因子对滑坡危险性预测的影响,采用蚁群聚类算法能够将彼此之间相似度高的数据对象划分到一起,引入遗传算法,更新信息素规则标准对蚁群聚类算法实现优化,处理蚁群聚类算法容易陷入局部最优问题,利用近似骨架理论有效降低数据规模,解决蚁群聚类算法后期出现停滞和收敛速度缓慢等问题,统一遗传算法基本思想、近似骨架相关理论构建近似骨架遗传蚁群聚类算法模型,综合滑坡灾害相关特征,设计滑坡危险性预测的模型,研究该算法在滑坡危险性预测实验中的效果。然而影响滑坡的不确定因素降雨取值为区间值,具有不确定性,近似骨架遗传蚁群聚类算法在滑坡危险性预测时,无法对其进行准确刻画。为了解决降雨不确定因素难以有效刻画问题,结合Gauss区间值数据处理方式和点概率模型设计一种不确定数据处理模型,用于刻画降雨等不确定因素,综合近...
【文章来源】：江西理工大学江西省
【文章页数】：58 页
【学位级别】：硕士
【部分图文】：
各类地质灾害统计
而且会波及人民的生命和财产安全，引发巨大威胁或者更大的地质地貌环境多样，气象类型比较繁多，特别适宜滑坡等多种地。近十多年来，崩塌、泥石流、滑坡等各种灾害在各个地区频频灾害发生时常常会伴有不同程度的降雨量，危害甚大，造成的人，引起的直接经济损失更是达到 40-50 亿，通过相关资料统计获灾害数据统计（图 1.1、图 1.2、图 1.3）。图 1.1 各类地质灾害统计
图 1.3 人员伤亡 2003 年以来，我国历年地质灾害发生次数最多的为滑坡，因滑坡为突出，由于滑坡的发生具有群发性、区域性等特征，所引发的人损失以及后续威胁都比较明显，表 1.1 为 2003 年以来我国部分滑计信息。由于滑坡给人类生命和环境带了巨大伤害，为了最大限度发生，降低人员的伤亡和财产损失，现在急需寻找到一种较为有效使得滑坡危险性预测模型的研究设计具有更加重要的实际意义。受坡高、坡度、坡型、岩土体结构、植被、降雨等因素共同影响，是导致滑坡发生的至关重要诱发因素，在降雨和其他外部因素共同环境容易遭到破坏并引发滑坡。然而降雨因素是不确定性因子，降变化于一个区间值，传统的一些技术方法是无法有效对其完成准确危险性预测模型难以获得较高的预测精度。因而我们需要寻找一种段，能够实现降雨等不确定数据的准确诠释，进而对滑坡危险性进探索出一种较为科学的滑坡预测方法，安排比较合理的防治计划的解决手段降低不必要的损失。
【参考文献】：
期刊论文
[1]对混合属性数据表可行的差分隐私保护方法[J]. 丁永善,李立新. 计算机应用研究. 2019(02)
[2]混合模拟退火及分散搜索优化过道布置问题[J]. 毛丽丽,张则强,朱立夏. 计算机工程与应用. 2018(03)
[3]一种基于LBP特征提取和稀疏表示的肝病识别算法[J]. 韩秀芝,赵希梅,于可歆,王国栋. 中国生物医学工程学报. 2017(06)
[4]利用空间聚集的贝叶斯网络评估手足口病发病风险[J]. 丘文洋,李连发,张杰昊,王劲峰. 地球信息科学学报. 2017(08)
[5]基于改进GA-BP网络的系泊缆力预测建模与仿真[J]. 李世峰,邱占芝. 系统仿真学报. 2017(07)
[6]基于K-PSO聚类算法和熵值法的滑坡敏感性[J]. 阮云凯,占洁伟,陈剑平,李严严. 东北大学学报(自然科学版). 2017(04)
[7]基于快速高斯变换的不确定数据聚类算法[J]. 迟荣华,程媛,朱素霞,黄少滨,陈德运. 通信学报. 2017(03)
[8]不确定数据聚类综述[J]. 罗来源,孙国宝. 电脑知识与技术. 2017(01)
[9]基于社交媒体信息不同灾害的社会响应特征比较研究[J]. 刘宏波,翟国方. 灾害学. 2017(01)
[10]基于信息熵分段聚合近似和谱聚类的负荷分类方法[J]. 林顺富,田二伟,符杨,汤晓栋,李东东,王群京. 中国电机工程学报. 2017(08)
博士论文
[1]求解车辆路径问题的启发式算法及其在注塑排程问题中的应用[D]. 刘万峰.深圳大学 2015
[2]三峡库区万州区滑坡发育规律及风险研究[D]. 桂蕾.中国地质大学 2014
[3]面向多维不确定数据的若干查询处理关键技术的研究[D]. 徐传飞.东北大学 2013
[4]聚类质量改进方法的研究[D]. 宗瑜.大连理工大学 2010
硕士论文
[1]蚁群鱼群混合算法在差异工件批调度中的应用[D]. 吕顺风.中国科学技术大学 2017
[2]楚雄州中小学校园滑坡泥石流灾害风险评估[D]. 桑议惠.南京信息工程大学 2016
[3]径向基函数神经网络的优化研究[D]. 张义.山东理工大学 2016
[4]面向不确定数据的近似骨架启发式聚类算法[D]. 屈世超.大连理工大学 2013
[5]基于蚁群算法的聚类分析模型的研究及改进[D]. 刘阳阳.兰州大学 2012
[6]蚁群聚类算法研究与应用[D]. 田园丽.辽宁工程技术大学 2011
[7]不确定数据聚类研究[D]. 李雪.大连理工大学 2009
[8]遗传算法的研究与应用[D]. 王银年.江南大学 2009
[9]蚁群聚类算法研究[D]. 曾海群.中南大学 2008
本文编号：3105201
【文章来源】：江西理工大学江西省
【文章页数】：58 页
【学位级别】：硕士
【部分图文】：
各类地质灾害统计
而且会波及人民的生命和财产安全，引发巨大威胁或者更大的地质地貌环境多样，气象类型比较繁多，特别适宜滑坡等多种地。近十多年来，崩塌、泥石流、滑坡等各种灾害在各个地区频频灾害发生时常常会伴有不同程度的降雨量，危害甚大，造成的人，引起的直接经济损失更是达到 40-50 亿，通过相关资料统计获灾害数据统计（图 1.1、图 1.2、图 1.3）。图 1.1 各类地质灾害统计
图 1.3 人员伤亡 2003 年以来，我国历年地质灾害发生次数最多的为滑坡，因滑坡为突出，由于滑坡的发生具有群发性、区域性等特征，所引发的人损失以及后续威胁都比较明显，表 1.1 为 2003 年以来我国部分滑计信息。由于滑坡给人类生命和环境带了巨大伤害，为了最大限度发生，降低人员的伤亡和财产损失，现在急需寻找到一种较为有效使得滑坡危险性预测模型的研究设计具有更加重要的实际意义。受坡高、坡度、坡型、岩土体结构、植被、降雨等因素共同影响，是导致滑坡发生的至关重要诱发因素，在降雨和其他外部因素共同环境容易遭到破坏并引发滑坡。然而降雨因素是不确定性因子，降变化于一个区间值，传统的一些技术方法是无法有效对其完成准确危险性预测模型难以获得较高的预测精度。因而我们需要寻找一种段，能够实现降雨等不确定数据的准确诠释，进而对滑坡危险性进探索出一种较为科学的滑坡预测方法，安排比较合理的防治计划的解决手段降低不必要的损失。
【参考文献】：
期刊论文
[1]对混合属性数据表可行的差分隐私保护方法[J]. 丁永善,李立新. 计算机应用研究. 2019(02)
[2]混合模拟退火及分散搜索优化过道布置问题[J]. 毛丽丽,张则强,朱立夏. 计算机工程与应用. 2018(03)
[3]一种基于LBP特征提取和稀疏表示的肝病识别算法[J]. 韩秀芝,赵希梅,于可歆,王国栋. 中国生物医学工程学报. 2017(06)
[4]利用空间聚集的贝叶斯网络评估手足口病发病风险[J]. 丘文洋,李连发,张杰昊,王劲峰. 地球信息科学学报. 2017(08)
[5]基于改进GA-BP网络的系泊缆力预测建模与仿真[J]. 李世峰,邱占芝. 系统仿真学报. 2017(07)
[6]基于K-PSO聚类算法和熵值法的滑坡敏感性[J]. 阮云凯,占洁伟,陈剑平,李严严. 东北大学学报(自然科学版). 2017(04)
[7]基于快速高斯变换的不确定数据聚类算法[J]. 迟荣华,程媛,朱素霞,黄少滨,陈德运. 通信学报. 2017(03)
[8]不确定数据聚类综述[J]. 罗来源,孙国宝. 电脑知识与技术. 2017(01)
[9]基于社交媒体信息不同灾害的社会响应特征比较研究[J]. 刘宏波,翟国方. 灾害学. 2017(01)
[10]基于信息熵分段聚合近似和谱聚类的负荷分类方法[J]. 林顺富,田二伟,符杨,汤晓栋,李东东,王群京. 中国电机工程学报. 2017(08)
博士论文
[1]求解车辆路径问题的启发式算法及其在注塑排程问题中的应用[D]. 刘万峰.深圳大学 2015
[2]三峡库区万州区滑坡发育规律及风险研究[D]. 桂蕾.中国地质大学 2014
[3]面向多维不确定数据的若干查询处理关键技术的研究[D]. 徐传飞.东北大学 2013
[4]聚类质量改进方法的研究[D]. 宗瑜.大连理工大学 2010
硕士论文
[1]蚁群鱼群混合算法在差异工件批调度中的应用[D]. 吕顺风.中国科学技术大学 2017
[2]楚雄州中小学校园滑坡泥石流灾害风险评估[D]. 桑议惠.南京信息工程大学 2016
[3]径向基函数神经网络的优化研究[D]. 张义.山东理工大学 2016
[4]面向不确定数据的近似骨架启发式聚类算法[D]. 屈世超.大连理工大学 2013
[5]基于蚁群算法的聚类分析模型的研究及改进[D]. 刘阳阳.兰州大学 2012
[6]蚁群聚类算法研究与应用[D]. 田园丽.辽宁工程技术大学 2011
[7]不确定数据聚类研究[D]. 李雪.大连理工大学 2009
[8]遗传算法的研究与应用[D]. 王银年.江南大学 2009
[9]蚁群聚类算法研究[D]. 曾海群.中南大学 2008
本文编号：3105201
本文链接：https://www.wllwen.com/kejilunwen/diqiudizhi/3105201.html
