降雨引发泥石流人工神经网络预警模型剖析.pdf

《降雨引发泥石流人工神经网络预警模型剖析.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、2015年第12期黑龙江水利科技No．12．2015(第43卷)HeilongjiangScienceandTechnologyofWaterConservancy(T0talNo．43)文章编号：1007—7596(2015)12—0055—02降雨引发泥石流人工神经网络预警模型剖析张猛(黑龙江省桩基础工程公司，哈尔滨150036)摘要：目前国内的地质灾害预警已经从人工监测阶段过渡到仪器自动监测预警阶段。文章首先重点论述了降雨作为泥石流发生关键因素，将雨量作为泥石流灾害诱发主因的泥石流监测预警理论。其次对预警系统的核心B

2、P神经网络模型的开发思路、预警目标、系统设计等问题进行探讨。最后，通过将现场雨量监测设备、数据采集设备、信息传输系统集成接入BP神经网络，建立完整的泥石流地质灾害监测预警系统，寻求泥石流灾害预警系统高效运行。关键词：泥石流；降雨；监测预警；人工神经网络中图分类号：P642．23文献标识码：B测预警主要问题是降雨引发泥石流的适用监测预警O引言模型、适用监测预警理论、监测统计范畴、监测手段地质灾害研究主要特征是将地质地貌、水文气的确定和灾害发生时间的预测预报。泥石流监测预象、人类活动等诸多维度相关影响因子分析反馈、综警能力提升

3、关键途径是建立一定环境条件下结合数合决策用于指导应用防灾减灾。由以人工方式采集据库技术统计采集数据可以自主学习、存贮及调整数据对单个地质灾害现象描述和单个地质灾害体恢相关因子之间参数的运算处理模型。复治理工程为重点的单一层面研究及应用发展到以根据目前应用情况看，可以用人工神经网络预大数据为基础的监测预警模型为核心，连接以物联警模型解决传统模型双向反馈信息机制不完善，不网技术为采集数据终端网络支持的定性、定量多层能实时准确预测的问题，特别是在准确预测泥石流面的研究及应用。数据库技术的发展为集合海量野活动性、危险范围以及泥石流

4、危险度评价方面。外数据和往期历史数据建立精准数理模型解决地质l泥石流预警模型设计灾害问题提供了基础；同时监测预警模型为解决地质灾害研究及应用面临的大型和复杂问题提供了可1．1降雨引发泥石流进行概率预报的理论基础靠的技术手段。国土资源部门会同气象、水利和地为了解决泥石流监测预警实践中的各种问题，震等部门和相关科研机构也建立专业监测研究与群越来越多的学者倾向于进一步强化泥石流形成、汇众监测相结合的泥石流灾害监测预警工程示范区，流理论的基础研究，将泥石流灾害预警建立在泥石为泥石流的监测预警工作推广奠定了基础。J流起动机理与发生条

5、件的基础上。降雨是泥石流产泥石流是运动状态呈黏性层流或稀性紊流等形生的三大条件之一。引发泥石流发生各种相关影响态大量挟带泥砂石块等固体物质由降雨激发的固液因子中，降雨具有变化性可作为主要因子加以研究。两相流体。不能简单的用数理模型模拟描述泥石流而相关影响因子中时间变化很小或非常缓慢的因子灾害复杂发生机理和发生条件。暴雨诱发地质灾害相对稳定，不作为研究的重点。降雨主因引发泥石概率在各种相关因素激发中约占85％。暴雨过后监流的发生条件是降雨量达到最小阈值才能引发且大测区域的有效降雨量、水文情况、地质条件等和泥石于最大阈值总会有

6、引发。泥石流发生概率在0和1流激发密切相关。实际上根据现有的资料来看，监之间。发生泥石流的概率在不同的地方往往不同。[收稿日期]2015—07—22[作者简介]张猛(1979一)，男，黑龙江哈尔滨人，工程师。一55—2015年第12期黑龙江水利科技No．12．2015(第43卷)Heilong~iangScienceandTechnologyofWaterConservancy(TotalNo．43)1．2建立泥石流BP神经网络预警模型。降雨引发泥石流进行时空概率预报的理论基础：监测预警模型对历史泥石流灾害的调查统计和强危

7、险巾锋也睡野外实验测试数据的反复测算，寻求影响因素之间鞘氇除的映证关系确定雨量预警阈值，不断完善修正监测光危险预警模型。监测预警模型运算处理关系涵盖降雨、环境因素和泥石流发生可能性的条件概率关系，最终建立能提供准确的预警数据的监i贝4预警模型。用图1泥石流BP神经网络预警模型数据运算处理人工神经网络技术建立降雨引发泥石流的时间和空将区域泥石流灾害调查与区划成果、历史上突间概率预报模型：模型不是强调数学方程在模型中发性泥石流地质灾害的基础资料和重要泥石流地质的基础作用，而是将大量输入一输出模式的映射关灾害隐患点的动态监测数据

8、输入时间精度、属性精系作为模型基础关系架构，进行互动反馈学习和存度、逻辑一致性相统筹的数据库梳理，最终完成数字贮调用。BP神经网络模型是通过输入层(input)、隐化及数据转换，建立基础数据及样本数据。通过学含层(hiddenlayer)和输出层(outputlayer)的反向传习样本，将降雨和环境数据