人工神经网络在泥石流预测中的应用研究

摘要

我国是世界上受泥石流灾害威胁最为严重的国家之一。泥石流灾害平均每年导致数百人死亡，造成多达数十亿元的直接经济损失，严重威胁到国民经济和社会的可持续发展。泥石流灾害预测在泥石流防灾减灾实践中具有重要的意义，可直接服务于国民经济建设。其影响因素众多且关系复杂，随着我国经济的发展，泥石流所造成的经济损失随势而增。因此，泥石流预测作为一重要减灾手段，是减灾研究的热点和关键问题。
　　 人工神经网络用于灾害预测的模型己是很多学者的研究对象，BP 神经网络，模糊神经网络等都用曾于灾害预测模型，这是因为神经网络具有的较好的函数逼近功能，而RBF 神经网络拥有比其他神经网络更强的函数逼近能力。
　　 本文研究了我国泥石流灾害预测的发展和研究现状，概述了泥石流相关理论，在泥石流预测中提出将泥石流形成的内外因素，即地质因素与降雨因素量化，结合模糊数学隶属度的理论，并采用叠加综合考虑的方法建立更科学的短期预测模型。
　　 文中详述了人工神经网络原理，尤其是RBF 神经网络的原理、学习算法、训练过程及其应用于泥石流预测模型的可行性。对人工神经网络，尤其是RBF 网络进行深入的研究，结合神经网络变量筛选法，对传统方法建立的RBF 进行优化，有效减少网络训练过程中所需的变量个数，在实际应用中，可以大大减少数据采集的工作量，对于泥石流临警预报有较好的实际应用价值。
　　 通过MATLAB7.0对RBF 神经网络泥石流预测模型进行实现，并对比传统网络与优化网络的预测效果，实验达到了预期的使用效果，并且表现出经过优化后的RBF 网络在耗时与精确度上都表现出更优的性能。

目录

文摘

英文文摘

1 绪论

2 人工神经网络原理与模型

3 泥石流研究相关理论

4 基于双因子模型的泥石流短期趋势预报及改进

5 基于RBF 网络的变量筛选在泥石流临警预测的应用

6 实验

7 结论

致 谢

参考文献

附 录 攻读学位期间发表的学术论文