泥石流灾害影响因素模型 毕业论文

《泥石流灾害影响因素模型 毕业论文》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、泥石流灾害影响因素模型摘要陕西省地质构造复杂多样，泥石流灾害时有发生，每年因泥石流灾害造成的损失巨大，如果能及时准确的预测这些灾害，将能在挽回经济损失的同时，减少人员伤亡。人工神经网络ANN(ArtificialNeuralNetwork)具有自学习能力，在预测方面有其自身的优势，但是地理信息形式独特，有空间和时间特性，如何管理和表示这些信息，是棘手问题。地理信息系统GIS(GeographicalInformationSystem)为地理信息的数字化和计算机处理提供了解决方式。本文提出了将神经网络BP（BackP

2、ropagation）算法运用到GIS中的设计思想。在分析了泥石流灾害的成因后，设计了泥石流灾害影响因素模型和各地质构造上的灾害概率计算模型，以及地理信息数据的处理过程。利用提取的GIS空间数据库的数据，对地质灾害进行预测。关键词：地质灾害预测,人工神经网络,BP算法,地理信息系统,空间数据库AbstractTherearemanydisastersofdebrisflowinourcountryandthesedisastersbringushugelosseseveryyear.Byaccuratelyfore

3、castingthem,alotcanbesaved.ANN(ArtificialNeuralNetworks)candowellinforecastingbecauseithasaspecialabilitycalledself-learning.Butgeographicalinformationhasspatialandtimecharacter.Sohowtomanageanddescribetheinformationisarealseriousproblem.GIS(GeographicalInform

4、ationSystem)providesagoodsolutiontodigitizeandcomputerprocessthegeographicalinformation.ThisdissertationdeclaresthewayusingNerualNetworkswithGIS.ThemainpointishowtogetarightwaytoforecastdisastersofdebrisflowbyusingtheinformationfromGIS.Onthebaseoftheanalysisof

5、debrisflow,thefactormodelsandtheposibilitymodelsofdebrisflowaredesigned.Also,thedatahandlingprocedureofgeographyinformationisdesigned.Keyword:GeographicalDisasterForecast,ArtificialNeuralNetworks,BackpropagationAlgorithm,GeographicalInformationSystem,Geodataba

6、se第一章绪论1.1引言陕西境内由南到北自然地理呈明显分带性，地质地貌条件复杂，地势南北高，中间低，断裂构造发育。以北山和秦岭为界，分陕北黄土高原、关中平原和陕南秦巴山山地；全省气候南北差异较大，年降水量400~1200mm，分布极不均匀。由于特殊的地理、地质条件，加之不均匀的降雨等自然因素，使得陕西地质灾害分布广、密度大、灾情重。同时地质灾害种类齐全，主要有滑坡、崩塌、泥石流、地面塌陷、地裂缝和地面沉降，水土流失，土地沙漠化。由于地质灾害信息反映的是地球上实际空间位置的各种信息，所以需要用适合表达地理信息的系统来

7、描述。地理信息系统简称GIS(GeographicalInformationSystem)，是反映人们赖以生存的现实世界(资源或环境)的各类空间数据及描述这些空间数据特征的属性，在计算机软件和硬件的支持下，以一定的格式输入、存贮、显示和综合分析地理信息的技术系统。目前，人工神经网络已得到了日益广泛的研究和应用，它的广阔前景在于其良好的预测性和实用性，其发展潜力巨大。神经网络方法基本思想是，利用神经网络作为系统的前端即预处理器来处理含糊不清或不完善的数据，也可以作为系统的后端做出判断，或者和专家系统[2]结合应用。基

8、于神经网络的预测方法是神经网络近几年形成的一个分支，正得到快速发展。90年代中期，美国FrontierFinancial公司利用神经网络来对股票市场进行预测，再由专家给出相应的建议，取得了显著的效果。国内也有神经网络在预报分析领域中实际应用的一些探讨。实践证明，人工神经网络应用于许多领域的预测是可行的，有着良好的前景，在地质灾害预测方面也不例外。综上所述，如