共查询到20条相似文献,搜索用时 352 毫秒
1.
2.
滑坡位移预测一直是滑坡研究的热点之一。近年来,随着计算机科学的发展,越来越多的人工智能技术模型被用于滑坡位移的预测。相较于常用的如LSTM神经网络等机器学习模型,集成算法中的XGBoost模型在滑坡位移预测领域尚不多见。由于其在滑坡位移预测中具有预测精度更高、运行速度更快等优点,目前在学术界已成为研究的热点领域。文中以泉州市安溪县尧山村滑坡地灾点监测数据为例,运用Python搭建XGBoost模型,并通过最大信息系数的比较来选定与位移高度相关的特征,输入至模型中对滑坡位移进行预测。结果表明,XGBoost模型因其在目标函数中引入正则项来控制模型过拟合、模型数据集划分采用前向验证方式等优点,相较于大多数机器学习模型,能更加准确地预测降雨诱发阶跃型滑坡位移。该模型对此类滑坡的位移预测及早期监测预警具有重要参考意义。 相似文献
3.
在滑坡时间预测中,基于变形监测数据的速率倒数法受到了广泛重视。在该方法的使用过程中,存在模型参数难以同时标定、难以考虑预测时间的不确定性的难题。针对上述不足,提出了一种两阶段速率倒数模型的标定方法。基于该方法可以对模型参数进行同时标定,同时可对滑坡时间进行概率预测。结合10个滑坡案例比较了不同模型假设对滑坡时间预测的影响。结果表明,考虑滑坡时间的不确定性后,预测滑坡时间与实际观测滑坡时间更为符合。考虑速率倒数模型的非线性后,拟合最优模型与实测数据的拟合度更好;但从预测效果而言,线性模型预测结果与滑坡实际发生时间符合的程度更高。 相似文献
4.
5.
滑坡灾害空间预测结果的评价方法 总被引:1,自引:0,他引:1
介绍了目前对滑坡灾害空间预测结果进行定量评价的3种方法,并对每种方法进行了分析和比较。基于将预测结果与历史滑坡相对比的评价思路,引入了"滑坡比"的概念,定义其为:相应易滑度指标值的邻域所包含的预测单元中,曾发生滑坡的单元所占比例;并指出,好的预测结果应满足:易滑度指标值越大,滑坡比越大,且指标值相对较大时,相应滑坡比应较接近于1。在此基础上,提出采用预测率函数曲线所围面积之比,即"面积比"评价指标来对预测结果进行评价,并通过理论分析和实例,证明了该评价方法较现有方法确有改进。 相似文献
6.
陈家大院滑坡稳定性评价及其涌浪预测 总被引:1,自引:0,他引:1
陈家大院滑坡位于重庆市鲤鱼塘水库库首区,距离大坝仅约1km,其稳定性及其可能失稳产生的涌浪对枢纽工程的危害可能较大。利用岩土工程专业计算软件FLAC-3D对陈家大院滑坡在各种不同运行工况条件下的应力场、塑性区及稳定安全系数进行了计算和评价;对美国土木工程协会推荐的涌浪计算方法进行了改进,采用推荐法及其改进方法分别对陈家大院滑坡可能产生的涌浪进行了计算和预测。计算结果表明:1)滑坡稳定最不利工况为水库450m正常蓄水位,其稳定安全系数为1.10,滑坡处于基本稳定状态;2)大坝处滑坡可能失稳产生的涌浪最大高度为4.32m,对大坝不会构成威胁。该结论为大坝的施工和安全运行提供了理论依据。 相似文献
7.
滑坡的位移量发展受地质条件、气候环境以及人类活动等多种因素的影响,变化复杂,通常难以用固定参数的数学模型准确表达。时变参数模型的模型参数随时间变化,能够描述更为复杂的函数关系。将时变参数模型应用于滑坡位移量预测,通过对比发现,时变参数模型有望提高滑坡位移量的预测精度。 相似文献
8.
一种黄土滑坡滑距预测模型 总被引:1,自引:0,他引:1
针对目前黄土滑坡研究现状,本文提出了一种黄土滑坡滑距预测的新模型-模型信息优化处理模型。通过陕西榆林地区5个黄土滑坡的非母体验证,并经与其他预测方法所得的结果相比较,证明该模型精度较高,可用于黄土高原地区的防灾减灾工作。 相似文献
9.
10.
运动型滑坡处于蠕动变形与剧烈变形阶段之间,变形时间长、机理复杂,临灾预警难度大。介绍了典型运动型滑坡的累积位移关系曲线特征,提出了以日降雨量、日位移速率建立临灾预警线,进而设计递进式滑坡临灾预警系统的方法。结合王家坡滑坡地形地貌、剖面特征、变形信息等,建立合理的监测网络。根据获取的王家坡累积位移-时间-降雨量关系曲线,分析王家坡滑坡的变形规律。结果表明:①王家坡滑坡监测累积位移曲线随降雨呈“阶跃”特征;②当日降雨量超过25 mm时,日位移速率就会显著增加到20 mm/d以上;③以降雨量、日位移速率达到阈值时为Ⅲ级黄色线中心线,可以设计王家坡滑坡5级递进式滑坡临灾预警系统。 相似文献
11.
海洋冰情预测的径向基函数网络模型 总被引:4,自引:0,他引:4
为了提高非线性时序预测模型的精度,利用自相关技术分析了海洋冰情时序的延迟特性,据此确定了RBF网络的输入、输出向量,给出了MATLAB环境下海洋冰情预测的高精度径向基函数(RBF)神经网络的结构、设计、仿真函数和图形结果的输出方法,建立了海洋冰情预测的高精度RBF网络模型.使用27年的海洋冰情实测资料进行了网络的训练和检验,并将之用于预测,各训练样本的误差为0.0,预测值的精度高于门限自回归模型预测的精度.实例分析表明,所构建的RBF网络模型能充分利用预报因子的信息和神经网络方法的非线性映射能力,模型稳定性好,精度高,可广泛应用于各种自然灾害的非线性时序动态预测. 相似文献
12.
用BP神经网络技术研究华东地区(29°~37°N,114°~124°E)地震时间序列的规律,在大量实验的基础上得出,对于华东地区当输入层节点数目为12、隐层的节点数为16、输出层节点数为1时可以得到较好的收敛结果。根据选取的参数采用两种方法对华东地区进行地震预测,结果表明利用BP神经网络处理华东地区的地震时间序列有较强的容错性,进而认为将该方法用于华东地区地震时间序列的短临预测有较好的效果。 相似文献
13.
为降低风电场弃风率及对电网稳定性影响,对风电场短期功率进行准确预测显得十分重要。针对传统BP神经网络泛化能力差、网络收敛速度慢等问题,建立了一种基于主成分分析与遗传优化BP神经网络相结合的风电场短期功率预测模型。首先,利用主成分分析法对风电场原始气象数据进行分析,将得到的独立变量作为BP神经网络的输入;然后利用遗传算法确定了神经网络的最优初始权值和阈值的大致范围,并用L-M算法对BP网络权值和阈值进行细化训练;最后,利用中国北方某风电场实际运行数据进行验证,结果表明,所建立的预测模型合理有效,不仅可以加快BP神经网络收敛速度,减少预测误差,还可以提高风电场短期输出功率的预测精度,具有一定的工程应用价值。 相似文献
14.
人工神经网络在预测深基坑周边地表沉降变形中的应用研究 总被引:1,自引:0,他引:1
深基坑开挖引起的周边地表变形预测是一个复杂非线性问题,引起地表沉降的影响因素很多,各因素之间呈高度的非线性关系。传统的基坑用边地表沉降变形预测方法存在着一定的局限性,其预测精度有待提高,而人工神经网络是一种多元非线性动力学系统,可以灵活方便地对多成因的复杂未知系统进行高度建模,实现全面考虑各种主要影响因素的深基坑周边地表沉降变形预测。本文介绍了误差反向传播(BP)网络模型的结构、学习过程及其算法的改进,径向基函数(RBF)网络模型的结构及其学习过程;分析了影响深基坑开挖周边土体沉降变形的主要影响因素;以25个基坑工程的地表沉降实测资料为训练样本,建立了11个输入影响因素的BP神经网络模型和RBF神经网络模型,通过对样本的学习训练过程及对5个检验样本的预测精度,说明了人工神经网络用于预测基坑周边地表沉降的可行性和准确性。 相似文献
15.
震灾经济损失评估的遗传神经网络模型 总被引:2,自引:0,他引:2
地震灾害造成的直接经济损失与很多因素有关:致灾因子强度,主要包括地震震级、发震时间及地点、震源深度和地震动输入参数等;受灾体密度,主要包括衡量城市经济和社会发展水平的人口密度、城市密度、建筑物密度和财产密度等;城市抵抗地震灾害的能力.这里选取震级、地震动输入参数、人均国内生产总值GDP、受灾面积和灾区人口密度作为网络的输入节点,用直接经济损失率作为网络的输出节点,建立了基于遗传神经网络的震灾经济损失评估模型,对地震灾害所造成的经济损失进行评估,实例验证了该方法的有效性. 相似文献
16.
17.
18.
进行网络抗震可靠性分析的目的,不仅在于定量评价生命线工程网络系统的抗震性能,更重要的是利用这种分析工具指导网络抗震性能的优化设计。以无向边权网络系统为分析对象,分别以管网造价和系统抗震可靠度作为优化目标和约束条件,建立网络系统拓扑优化模型,利用递推分解算法作为网络系统抗震可靠性分析工具,并引入系统单元的灵敏度分析,采用遗传算法求解网络系统的拓扑优化问题,从而发展了一类工程网络抗震优化设计方法。实例分析结果表明,网络系统拓扑结构与系统可靠度之间有显著的正相关关系。 相似文献
19.
基于BP神经网络的饱和砂土液化判别方法 总被引:5,自引:0,他引:5
基于唐山地震中大量的砂土液化现场实测资料,选取描述地震动特性的烈度、震中距、地面峰值加速度和描述砂土层埋藏环境条件的地下水位、标贯点深度(土层深度)、上覆非液化覆盖土层厚度、有效覆盖压力,以及表示砂土自身属性的标准贯入锤击数、平均粒径、不均匀系数、修正标贯击数共11个指标的不同组合作为输入变量,采用快速BP算法和LM算法构造了饱和砂土液化判别的BP神经网络预测模型.通过所建网络模型的训练、验证和应用,结果表明:(1)所建14个BP神经网络模型都是有效的,液化判别的准确度与模型输入变量的不同组合有关;(2)增加网络模型的节点(考虑因素较多)并不一定能够提高BP神经网络模型的液化判别准确度,反而增加了BP神经网络模型的复杂性和学习时间;(3)两种算法的BP神经网络模型都有很高的液化判别准确度,LM算法的计算速率要比快速BP算法快得多,但在计算过程中需要更多的内存,建议采用LM算法;(4)采用所提BP神经网络模型的权值与阈值进行其它预测样本的液化判别时,判别结果可能偏于保守;(5)从影响砂土液化的主要因素、获取指标难易程度考虑,在与<建筑抗震设计规范>砂土液化判别公式考虑指标一致的情况下,建议采用BP神经网络模型M4或M5a,该模型简单、方便,且其预测准确度远高于<建筑抗震设计规范>的砂土液化判别准确度. 相似文献