BP改进算法在卧龙自然保护区地质灾害危险性评价中的应用研究

摘要

卧龙自然保护区是我国国家级第三大自然保护区，保护区内珍稀动植物丰富，特别是我国特有珍稀动物大熊猫。卧龙自然保护区位于龙门山中南段，是四川盆地向川西高原的过渡带（曹帆等，2015）。2008年汶川地震和2013年芦山地震对卧龙自然保护区造成严重破坏。卧龙自然保护区内地质灾害频发，且对人民生命财产安全以及动植物生态环境造成严重威胁。所以，对卧龙自然保护区地质灾害进行危险性评价，对保护区内展开地质灾害防治工作具有重要意义。
　　本文依托中国科学院数字地球重点实验室开放基金项目“以遥感为主要手段的卧龙大熊猫自然保护区自然灾害与遗产地生境评价”，以及成都理工大学空间信息技术研究所数字地球技术平台进行课题研究。本文通过对研究区域Landsat8遥感图像进行数字图像处理，完成卧龙自然保护区地质灾害解译后提取有效地质灾害信息。并对基础地理信息进行数字化，建立卧龙自然保护区空间信息数据库。根据研究区域特点本文选取海拔高度、地形坡度、地形坡向、地层岩性、河流水系、人类工程活动作为卧龙自然保护区地质灾害危险性评价指标。并基于人工神经网络结构建立卧龙自然保护区地质灾害危险性评价模型，对卧龙自然保护区地质灾害进行危险性评价，得到卧龙自然保护区地质灾害危险性区划图。
　　本文针对标准BP神经网络存在的缺陷，以卧龙自然保护区为例，建立基于附加动量改进算法的地质灾害危险性评价模型、基于自适应调整参数改进算法的地质灾害危险性评价模型、基于共轭梯度改进算法的地质灾害危险性评价模型、基于Levenberg-Marquardt改进算法的地质灾害危险性评价模型。对比地质灾害危险性评价结果发现，四种模型均训练稳定且达到一定精度，基于四种模型下的评价结果相似性较强，危险性分区结果大致相似。但同时在训练时间、迭代次数、危险性区域面积及分布存在细微区别。本文提出对四种基于BP改进算法的地质灾害危险性评价模型下的评价结果进行综合解释，得到卧龙自然保护区地质灾害危险性评价的综合评价结果。
　　该评价结果显示与基于四种改进算法模型下的评价结果相关性较好，且评价结果适用性较好。且基于共轭梯度改进算法的神经网络模型在卧龙自然保护区地质灾害危险性评价中较为适用。为卧龙地质灾害防治工作的规划、部署提供理论支撑。

目录

声明

摘要

第1章 引言

1．1 研究背景与意义

1．2 国内外研究现状

1．2．1 国外研究

1．2．1 国内研究

1．3 研究内容及技术路线

第2章 卧龙自然保护区概况

2．1 自然环境与社会经济概况

2．2 地质灾害概况

第3章 关键遥感技术

3．1 数字图像处理

3．1．1 几何校正

3．1．2 图像镶嵌

3．1．3 波段组合

3．1．4 图像融合

3．2 地质灾害信息提取

第4章 人工神经网络

4．1 人工神经网络简介

4．1．1 神经元

4．1．2 激活函数

4．1．3 神经网络学习方式

4．2 BP神经网络

4．2．1 BP神经网络算法步骤

4．2．2 BP神经网络的优缺点

4．3 改进的BP神经网络

4．3．1 附加动量改进算法

4．3．2 自适应调整参数改进算法

4．3．3 共轭梯度改进算法

4．3．4 Levenberg-Marquardt改进算法

第5章 卧龙自然保护区地质灾害危险性评价

5．1 地质灾害危险性评价指标体系建立

5．1．1 危险性评价指标选取

5．1．2 危险性评价指标量化

5．2 地质灾害危险|生评价模型结构设计

5．2．1 评价单元划分

5．2．2 输入、输出节点数确定

5．2．3 隐含层

5．2．5 数据归一化

5．3 基于BP改进算法的地质灾害危险眭评价模型

5．3．1 基于附加动量改进算法的地质灾害危险性评价模型

5．3．2 基于自适应调整参数改进算法的地质灾害危险性评价模型

5．3．3 基于共轭梯度改进算法的地质灾害危险性评价模型

5．3．4 基于Levenberg-Marquardt改进算法的地质灾害危险性评价模型

5．3．5 模型对比分析

5．4 综合评价结果

结论

致谢

参考文献

攻读学位期间取得学位成果