陳 華 上官云龍

(1．吉林市城園設(shè)計(jì)院有限責(zé)任公司，吉林吉林 132013; 2．吉林省交通科學(xué)研究所，吉林長春 130012)

基于BP 神經(jīng)網(wǎng)絡(luò)的方法評價(jià)泥石流危險(xiǎn)度

陳 華1上官云龍2

(1．吉林市城園設(shè)計(jì)院有限責(zé)任公司，吉林吉林 132013; 2．吉林省交通科學(xué)研究所，吉林長春 130012)

應(yīng)用吉林省某地區(qū)8條泥石流溝資料，以主溝坡度、單位流域面積松散物源量、山坡坡度、流域切割密度、植被覆蓋率、補(bǔ)給段長度六項(xiàng)為評價(jià)因子，采用BP神經(jīng)網(wǎng)絡(luò)的方法對文中的泥石流溝進(jìn)行評價(jià)，發(fā)現(xiàn)BP神經(jīng)網(wǎng)絡(luò)的方法對研究泥石流危險(xiǎn)度是合理并且相對簡單的。

泥石流，神經(jīng)網(wǎng)絡(luò)，危險(xiǎn)度

0 引言

泥石流是屬于一種突然發(fā)生的，與地質(zhì)密切相關(guān)的自然災(zāi)害，這種自然災(zāi)害大多出現(xiàn)于偏遠(yuǎn)的山區(qū)。在泥石流發(fā)生的山區(qū)，成災(zāi)的環(huán)境是極為復(fù)雜的，其地域也具有較大的不同。這些性質(zhì)就賦予了泥石流不確定性與多樣性的特點(diǎn)。可見，泥石流危險(xiǎn)度評價(jià)是極其有難度的［1］。

危險(xiǎn)度是指受到損害的概率和可能性，是危險(xiǎn)的定量表達(dá)。泥石流危險(xiǎn)度是指遭到泥石流損害的可能性和大小，是對泥石流定量評價(jià)的方法。針對泥石流具有不確定性的性質(zhì)，國內(nèi)外學(xué)者先后提出了不同的分析方法，如灰色系統(tǒng)理論與層次分析等［2，3］。

BP神經(jīng)網(wǎng)絡(luò)是能夠模擬人腦的神經(jīng)網(wǎng)絡(luò)，模仿人腦若干個(gè)基本特征，并能進(jìn)行一定的數(shù)據(jù)和信息處理，具有特有的非線性適應(yīng)性信息處理能力。因此，將BP神經(jīng)網(wǎng)絡(luò)的方法應(yīng)用于泥石流研究中，能夠?qū)ξｋU(xiǎn)度做出客觀合理的評價(jià)。本文將著重利用這種方法，對區(qū)域泥石流的危險(xiǎn)度進(jìn)行評價(jià)。

1 方法設(shè)計(jì)

目前，神經(jīng)網(wǎng)絡(luò)的模型得到廣泛的應(yīng)用，研究人員提出很多神經(jīng)網(wǎng)絡(luò)的模型。如BP網(wǎng)絡(luò)的數(shù)學(xué)模型、Hopfield網(wǎng)絡(luò)的數(shù)字模型、隨機(jī)型BM網(wǎng)絡(luò)等。其中最為廣泛應(yīng)用的是BP神經(jīng)網(wǎng)絡(luò)數(shù)學(xué)模型中的前饋型層次網(wǎng)絡(luò)，這種神經(jīng)網(wǎng)絡(luò)模型可以準(zhǔn)確的進(jìn)行輸入與輸出的轉(zhuǎn)化，靈活，適應(yīng)能力強(qiáng)，具有高度的非線性運(yùn)算能力，被廣泛用于預(yù)測和識別。泥石流危險(xiǎn)度評價(jià)基本屬于模式識別問題，因此本文要以前饋型BP神經(jīng)網(wǎng)絡(luò)作為評價(jià)泥石流危險(xiǎn)度的模型。

三層前饋型神經(jīng)網(wǎng)絡(luò)，其中的一種結(jié)構(gòu)為拓?fù)浣Y(jié)構(gòu)，在各領(lǐng)域有著廣泛的應(yīng)用和研究［4-6］。拓?fù)浣Y(jié)構(gòu)如圖1所示。

圖1 三層BP神經(jīng)網(wǎng)絡(luò)數(shù)學(xué)模型

三層BP神經(jīng)網(wǎng)絡(luò)被分為輸入層、隱含層和輸出層。同一層之間的節(jié)點(diǎn)沒有聯(lián)系，每一個(gè)神經(jīng)元都與它前層的神經(jīng)元有關(guān)聯(lián)。每個(gè)神經(jīng)元只接受上一級的輸入，并只對下一級進(jìn)行輸出。因此這是一個(gè)典型的前饋型網(wǎng)絡(luò)［7］。

其中，輸入層有多少個(gè)節(jié)點(diǎn)，對應(yīng)的神經(jīng)網(wǎng)絡(luò)就應(yīng)該有多少個(gè)輸入，同理，輸出層有多少個(gè)節(jié)點(diǎn)，就有多少個(gè)輸出與之對應(yīng)，隱含層的層數(shù)可以根據(jù)研究需要進(jìn)行設(shè)置。含有靈活控制層數(shù)的隱含層，有效的提高了神經(jīng)網(wǎng)絡(luò)的分類和辨析能力。本文只用一個(gè)隱含層作本次研究，但是隱含層的神經(jīng)元數(shù)目還要根據(jù)實(shí)際情況進(jìn)行調(diào)整［8，9］。

2 實(shí)例

為了驗(yàn)證所研究使用方法的正確性和合理性，本文選取吉林省某地區(qū)泥石流高發(fā)區(qū)的其中8條泥石流溝資料進(jìn)行泥石流危險(xiǎn)度評價(jià)的研究。其中以主溝坡度、單位流域面積松散物源量、山坡坡度、流域切割密度、植被覆蓋率、補(bǔ)給段長度為評價(jià)因子。并且以這6項(xiàng)評價(jià)因子作為BP神經(jīng)網(wǎng)絡(luò)的輸入，具體取值見表1。同時(shí)，以泥石流危險(xiǎn)度評價(jià)值為輸出。

表1 泥石流風(fēng)險(xiǎn)因子

因?yàn)橐?項(xiàng)評價(jià)因子進(jìn)行評價(jià)，所以輸入層設(shè)置為6個(gè)神經(jīng)元，依次為1～6因子。設(shè)置以危險(xiǎn)度評價(jià)為輸出，因此輸出層設(shè)置為1個(gè)神經(jīng)元，同時(shí)分為四個(gè)等級，依次為1，2，3，4，分別代表較低危險(xiǎn)度、中等危險(xiǎn)度、高危險(xiǎn)度、極高危險(xiǎn)度(見表2)。隱含層神經(jīng)元傳遞選用tansig函數(shù)，輸出層神經(jīng)元傳遞選用purelin函數(shù)。設(shè)計(jì)最小誤差為0．001，最大循環(huán)次數(shù)為4 000次。最后進(jìn)行試運(yùn)算，經(jīng)過不斷的調(diào)試和運(yùn)算獲得隱含層神經(jīng)元的個(gè)數(shù)，并顯示在h=8時(shí)，神經(jīng)網(wǎng)絡(luò)趨于收斂，并且達(dá)到所需要的最佳效果。

表2 危險(xiǎn)性評價(jià)法生成成果

BP神經(jīng)網(wǎng)絡(luò)試運(yùn)算的每一次結(jié)果都會(huì)有差別，因?yàn)樗x非線性函數(shù)的趨近產(chǎn)生的趨近結(jié)果不同，得到結(jié)果為最優(yōu)解，所以BP神經(jīng)網(wǎng)絡(luò)存在一定的不穩(wěn)定性。

3 結(jié)語

泥石流危險(xiǎn)度的評價(jià)是一個(gè)很復(fù)雜的問題，通過對BP神經(jīng)網(wǎng)絡(luò)的研究，以及對吉林省某地區(qū)泥石流高發(fā)區(qū)的其中8條泥石流溝資料進(jìn)行實(shí)際研究，我們確定BP神經(jīng)網(wǎng)絡(luò)的方法評價(jià)泥石流危險(xiǎn)度的方法是合理的，而且評價(jià)結(jié)果并不復(fù)雜。因此這種方法有著廣泛的應(yīng)用前景，也是研究泥石流危險(xiǎn)度的一種簡單有效的方法。近年來，泥石流危險(xiǎn)度的研究得到了廣泛的重視，相繼出現(xiàn)了許多種方法來進(jìn)行研究。用BP神經(jīng)網(wǎng)絡(luò)方法不是最精確的和復(fù)雜的，但正由于這種特性，讓人們能更容易理解并應(yīng)用。

［1］劉希林，唐 川．泥石流危險(xiǎn)性評價(jià)［M］．北京：科學(xué)出版社，1995．

［2］匡樂紅，徐林榮，劉寶?。诳赏胤椒ǖ哪嗍魑ｋU(xiǎn)性評價(jià)［J］．中國鐵道科學(xué)，2006，27(5)：1-6．

［3］黃 雙，李廣杰，陳偉韋．基于人工神經(jīng)網(wǎng)絡(luò)的泥石流災(zāi)害危險(xiǎn)性評價(jià)［J］．山西建筑，2007，33(3)：1-2．

［4］飛思科技產(chǎn)品研發(fā)中心．神經(jīng)網(wǎng)絡(luò)理論與MATLAB7實(shí)現(xiàn)［M］．北京：電子工業(yè)出版社，2005．

［5］李楊楊．神經(jīng)網(wǎng)絡(luò)方法評價(jià)泥石流危險(xiǎn)度［J］．黑龍江水專學(xué)報(bào)，2008，35(1)：1-4．

［6］王子健，肖盛燮，戴廷利，等．泥石流危險(xiǎn)度模糊綜合評判方法及應(yīng)用［J］．重慶交通大學(xué)學(xué)報(bào)，2008，27(5)：1-5．

［7］普小兵，李德基．BP神經(jīng)網(wǎng)絡(luò)在泥石流研究中的應(yīng)用［J］．巖石力學(xué)與工程學(xué)報(bào)，1996，15(sup)：1-3．

［8］賴德蓮．泥石流危險(xiǎn)性的灰色綜合評價(jià)模型［J］．科技咨詢，2007(13)：1-2．

［9］陳燕慶，鹿 潔．神經(jīng)網(wǎng)絡(luò)理論在控制工程中的應(yīng)用［M］．西安：西北工業(yè)大學(xué)出版社，1991：32-61．

［10］匡樂紅，劉寶琛，姚京成．基于模糊可拓方法的泥石流危險(xiǎn)度區(qū)劃研究［J］．災(zāi)害學(xué)，2006，21(1)：1-5．

Debris flow hazard evaluation based on BP neural network

CHEN Hua1SHANGGUAN Yun-long2

(1．Jilin Chengyuan Institute of Design Co．，Ltd，Jilin 132013，China; 2．Jilin Traffic Science Graduate School，Changchun 130012，China)

This paper used 8 debris flow catchments as examples，the gradient of the main channel，loose material volume per area，slope gradient，ravine density，vegetation coverage，supply ratio were selected as influencing factors．BP neural network was used for the debris flow evaluation．It is drawn that BP neural network theory is simple and rational to study the debris flow hazards．

debris flow，neural network，hazard

TU943．1

A

10.13719/j.cnki.cn14-1279/tu.2013.10.005

1009-6825(2013)10-0089-02

2013-01-12

陳 華(1979-)，女，工程師; 上官云龍(1975-)，男，高級工程師