不确定遗传神经网络在滑坡危险性预测的研究及应用

发布时间：2017-10-25 05:04

  本文关键词：不确定遗传神经网络在滑坡危险性预测的研究及应用

  更多相关文章： 不确定数据 反向传播神经网络 滑坡 遗传算法 危险性预测

【摘要】：我国是地质灾害较为多发的国家之一,其中滑坡的发生尤为频繁,每年都会造成大量的财产损失和人员伤亡,由于滑坡的形成条件及诱发因素极其复杂和不确定,给滑坡灾害的预测带来了一定的难度,如何采取合理可行的方法对滑坡的危险性进行预测,从而对滑坡灾害防治具有一定理论和现实意义。滑坡灾害是由多种因素共同作用所引起的,这些因素之间具有高度的非线性和复杂性。为了表达这些因素和滑坡危险性之间的关系,利用神经网络能够准确的反映出复杂系统内部的参数之间的非线性映射关系的特性,同时将遗传算法引入到反向传播神经网络的初始权值和阈值的选择优化过程中,寻找全局最优解,通过样本数据对神经网络不断地的训练学习,构建一个高精度的遗传神经网络模型进而对滑坡危险性等级进行预测。但是在进行滑坡危险性等级预测时,其中一个重要的因素降雨为不确定属性,其值介于一定区间内,具有不确定性,标准反向传播神经网络模型很难对其进行有效处理,因此为了更好的利用不确定属性的特征及提高模型的预测精度,本文在标准遗传神经网络的基础上,对滑坡的评价因子降雨这一不确定数值属性,提出不确定数据分离度的概念,结合广义离散化的方法来进一步的阐述不确定数据的处理过程,把不确定数据引入到遗传神经网络的分类建模中,创建不确定遗传神经网络的滑坡危险性分类预测模型。最终以延安市宝塔区的具体实例,根据研究区当地的特殊地理环境条件以及地质灾害发生的相关理论研究,结合以往的科研人员对该地滑坡灾害的研究结果来对属性进行选择,选取与滑坡相关的各个属性分别为坡型、坡高、坡向、坡度、岩土体、降雨、植被和滑坡的危险性等级,实验的结果精度表明,该方法获得了较高的分类精度,验证了不确定遗传神经网络在滑坡危险性预测中的可行性。
【关键词】：不确定数据 反向传播神经网络 滑坡 遗传算法 危险性预测
【学位授予单位】：江西理工大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：P642.22;TP183
【目录】：

• 摘要4-5
• Abstract5-8
• 第一章 绪论8-14
• 1.1 研究背景及意义8-9
• 1.2 国内外研究现状9-11
• 1.3 选题依据11-12
• 1.4 研究方法及主要内容12-14
• 第二章 神经网络和遗传算法相关知识概述14-24
• 2.1 神经网络相关理论14-19
• 2.1.1 概述14-17
• 2.1.2 基本原理17-19
• 2.1.3 反向传播算法的限制19
• 2.2 遗传算法相关理论19-23
• 2.2.1 遗传算法概述19-20
• 2.2.2 遗传算法原理20-23
• 2.2.3 遗传算法的不足23
• 2.3 本章小结23-24
• 第三章 不确定遗传神经网络24-33
• 3.1 不确定数据24-25
• 3.2 不确定数据的处理25-27
• 3.3 改进遗传算法优化反向传播神经网络27-29
• 3.4 不确定遗传神经网络算法的设计29-32
• 3.5 本章小结32-33
• 第四章 不确定遗传神经网络在滑坡危险性预测的应用33-44
• 4.1 数据准备33
• 4.2 数据预处理33-34
• 4.3 模型创建34-37
• 4.3.1 训练集和测试集的确定34-35
• 4.3.2 数据归一化处理35
• 4.3.3 不确定遗传神经网络算法的过程35-37
• 4.4 实验37-38
• 4.4.1 实验环境37
• 4.4.2 神经网络各参数设置37
• 4.4.3 评价标准37-38
• 4.5 实例分析38-43
• 4.5.1 滑坡预测精度评价38-40
• 4.5.2 预测结果比较40-43
• 4.6 本章小结43-44
• 第五章 总结与展望44-46
• 5.1 本文小结44-45
• 5.2 研究展望45-46
• 参考文献46-49
• 致谢49-50
• 攻读学位期间的研究成果50-51

【相似文献】

中国期刊全文数据库 前10条

1 李斌;刘峰;;遗传神经网络在地面沉降趋势预测中的应用[J];山东国土资源;2013年08期

2 陈海英;何春;;基于动态距离寻优的遗传神经网络优化算法[J];科技通报;2013年12期

3 焦险峰;张祥彤;朱晶华;;基于遗传神经网络的企业ERP系统评价研究[J];中国煤炭;2007年11期

4 张璇;李毅;罗琳;车富强;郑海圣;;基于遗传神经网络的坝区初始渗流场反分析[J];水电能源科学;2012年12期

5 韦春竹;郑文锋;孟庆岩;王春梅;刘苗;;基于元胞自动机的遗传神经网络在土地利用变化模拟分析中的应用[J];测绘工程;2014年01期

6 金聪;基于遗传神经网络的癌症死亡率预测[J];系统工程理论与实践;2000年02期

7 石汉青;张雷;杜华栋;龙智勇;姜世泰;;基于遗传神经网络算法的海面风速反演新方法[J];解放军理工大学学报(自然科学版);2013年06期

8 梁建军;汤荣江;;用遗传神经网络在模拟逼进函数中的应用[J];科学大众;2007年06期

9 沈沁梅;周卫东;李科学;;基于遗传神经网络的激光诱导击穿光谱元素定量分析技术[J];中国激光;2011年03期

10 王龙会,石峰;遗传神经网络及其在蛋白质二级结构预测中的应用[J];数学杂志;2002年02期

中国重要会议论文全文数据库 前10条

1 张启义;张智;梅冬;;遗传神经网络在公路物资运输量预测中的应用[A];中国运筹学会第十届学术交流会论文集[C];2010年

2 高丙坤;田丽;任晶秋;;非线性滤波的遗传神经网络寻优方法[A];第十一届全国信号处理学术年会（CCSP-2003）论文集[C];2003年

3 苏博;刘鲁;杨方廷;;基于灰色关联分析的神经网络预测模型研究[A];2006中国控制与决策学术年会论文集[C];2006年

4 杜延春;李贻斌;王桂月;;遗传神经网络在声纳基阵俯仰角控制系统中的应用[A];2007年中国智能自动化会议论文集[C];2007年

5 李洪伟;周云龙;;基于图像应用遗传—粒子群算法与遗传神经网络结合的气液两相流型识别[A];高效 清洁 安全 电力发展与和谐社会建设——吉林省电机工程学会2008年学术年会论文集[C];2008年

6 金莉;何辅云;张斌;;遗传神经网络在正交试验中的仿真研究[A];全国第19届计算机技术与应用（CACIS）学术会议论文集（下册）[C];2008年

7 叶德谦;刘波;;一种改进的遗传神经网络及其在股市中的应用[A];计算机技术与应用进展·2007——全国第18届计算机技术与应用（CACIS）学术会议论文集[C];2007年

8 周敏;李飞;;基于量子遗传神经网络的MIMO信号检测技术[A];2009年通信理论与信号处理学术年会论文集[C];2009年

9 何群英;郝伟;;基于全矢谱和遗传神经网络的旋转机械故障诊断[A];2008年全国振动工程及应用学术会议暨第十一届全国设备故障诊断学术会议论文集[C];2008年

10 张礼平;丁一汇;李清泉;张乐飞;;遗传神经网络释用气候模式预测产品的试验研究[A];中国气象学会2008年年会气候预测研究与预测方法分会场论文集[C];2008年

中国博士学位论文全文数据库 前1条

1 曲兴华;在线制造质量测控技术的研究[D];天津大学;2003年

中国硕士学位论文全文数据库 前10条

1 徐顺;基于主成分分析的遗传神经网络换能器一致性研究[D];浙江大学;2016年

2 朱传广;基于遗传神经网络的城市住宅地价评估[D];南京农业大学;2014年

3 闫冲;基于量子遗传神经网络的铁水温度预报研究[D];东北大学;2014年

4 高晓东;不确定遗传神经网络在滑坡危险性预测的研究及应用[D];江西理工大学;2016年

5 郑洁tq;遗传神经网络在城市气象预报中的应用研究[D];辽宁工程技术大学;2011年

6 董登;遗传神经网络在地表水水质评价中的应用研究[D];辽宁工程技术大学;2010年

7 尹纪军;基于改进遗传神经网络的图书采购系统研究[D];江苏大学;2007年

8 李海舰;遗传神经网络在混沌时间序列预测中的应用[D];中北大学;2008年

9 徐庆增;遗传神经网络在热轧管控制中的应用[D];天津科技大学;2006年

10 卢t泽;一种基于遗传神经网络的股票决策的方法研究[D];青岛理工大学;2010年

，

本文编号：1092168