基于基于gis和人工神经网络的滑坡危险性评价方法研究

《基于基于gis和人工神经网络的滑坡危险性评价方法研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、中山大学硕士学位论文基于GIS和人工神经网络的滑坡危险性评价方法研究姓名：赵甜申请学位级别：硕士专业：岩土工程指导教师：周翠英20070608基于GIS和人工神经网络的滑坡危险性评价方法研究专业：岩土工程硕士生：赵甜指导教师：周翠英教授摘要滑坡是仅次于地震的重大地质灾害之一，是联合国国际十年减灾计划的重要内容。我国是个滑坡灾害频发的国家，滑坡对人民的生命财产安全和经济建设构成了极大的威胁。随着大规模工程建设的开展，在公路、铁路、水利水电、矿山等各种建设领域越来越多的出现了高陡边坡，边坡稳定性问题也变得日益突出。如何安全、可靠、有效地进行滑坡灾害危险性分析与评价，并进

2、而实现滑坡的预测预报及风险管理不仅具有重要的理论意义，而且具有重要的现实意义。地理信息系统(6IS)技术的发展，为滑坡危险性评价提供了一种新的技术手段。6IS具有强大的空啡数据查询、空间综合分析和可视化功能，能够实现空间图形、文字、数据的综合分析。基于此，本文尝试将GIS技术与人工神经网络理论相结合运用到滑坡危险性评价中，对区域滑坡危险性评价进行了初步的探索。其主要内容包括：(1)全面论述了区域滑坡地质灾害危险性评价的原理和方法，并对影响边坡稳定性的主要因素进行了分析，经过研究，本文选取的滑坡危险性的影响因子为：表面平均坡度、前缘临空坡度、滑面平均倾角、月最大降雨量

3、、近期活动迹象、人类工程活动状况；(2)建立了基于层次分析法(A口)的滑坡危险性评价指标体系，通过对评价指标进行分级和权重的确定，将滑坡危险性划分为3个等级：稳定、基本稳定和不稳定，使滑坡评价更为合理；(3)利用地理信息系统的空间分析功能，特别是栅格数据的空间叠加功能、分析功能，对各专题图进行空间叠加分析，得出滑坡危险性图，对其滑坡进行宏观的定性的分析和管理；(4)在运用GIS对滑坡进行定性分析的基础上，应用BP人工神经网络和模糊综合评判法，建立了滑坡危险性评价的数学模型，进一步对滑坡危险性进行了定量的评价：(5)通过应用实例分析，验证了以上两种模型对滑坡危险性评价

4、结果的合理可靠性。关键词：滑坡危险性评价地理信息系统(GIS)BP神经网络模糊综合评判ⅡResearchonltazardA．．鹤es$1111entmethodofLandslidesBasedORGISTechnologyandArtificialNeuralNetworkMajor：GeotechniealEngineeringName：Zhaor蛐Superv硫．Prof．ZhouCuiyingAbstraetLandsfide，oneoftheimportantcontentsofIntemationalDecadeforHazardReduction,i

5、saseriousgeologicaldisoIstClronlynexttoearttxtuake；ItOCCUl'SmorefrequentlyinChinawithalargeamountfoundationeonsm

6、ctiominmanyfieldssuchashighways，railways,waterconservancyandelectricalpowersaswell鹤mining．andhasagreatinfluenceonhumanlives,propertiesandthedevelopmentofeconomy．Therefore,th

7、estabilityanalysisoflandsfideistakenintoaccount．Themainpo缸oftheresearchrelatedtolandslidesishowto锄．alyzeandevaluatetheriskoflandslidedisasterreliablyandeffectivelyandappliedtheresultstoriskmanagementintheoryandpracticeoflandslide．Atthesan3etime,withtherapiddevelopmentofGeographyInforma

8、tionSystem(GIS)，anewwayforlandslideriskevaluationisprovided．Becauseofthepowerfulfunctionsininquiringaboutspatialdata,synthesizedspatialanalysisandvisualizationofGIS，thispapertrytogivetheriskevaluationoflandsfidebycombingtheGIStechnologywiththeartificialneuralnetwork．Themaincontents撒i