崔承洋 李志萍

摘 要：本文結(jié)合延吉溝地質(zhì)實(shí)況，選取了縱比降、流域面積、泥石流容重、泥石流溝長、危險區(qū)域面積和黏粒含量等6個項(xiàng)目為影響因子，采用研究區(qū)域附近6條典型泥石流溝作為樣本訓(xùn)練神經(jīng)網(wǎng)絡(luò)，對其可能發(fā)生的泥石流地質(zhì)災(zāi)害進(jìn)行危險度評價，所得結(jié)果與人工經(jīng)驗(yàn)算法結(jié)果基本一致，表明神經(jīng)網(wǎng)絡(luò)算法是一種實(shí)用的評價方法。

關(guān)鍵詞：泥石流；神經(jīng)網(wǎng)絡(luò)；危險度評價

中圖分類號：P642.23 文獻(xiàn)標(biāo)識碼：A 文章編號：1003-5168（2018）07-0151-03

Risk Assessment of Debris Flow in Yanji Gully Based

on Artificial Neural Network

CUI Chengyang LI Zhiping

（North China University of Water Resources and Electric Power，Zhengzhou Henan 450000）

Abstract： Combining with geological live Yanji ditch， selected the longitudinal slope， the basin area， landslide， debris flow gully length bulk density， dangerous area and clay content and so on six projects as the impact factors， using a sample of several typical debris flow ditch in training neural networks， the possible landslides geological hazard risk evaluation， the result is consistent with the artificial experience results， show that neural network algorithm is a kind of excellent evaluation method.

Keywords： debris flow；neural network；risk assessment

延吉溝位于四川省嶺南縣境內(nèi)東北隅。延吉溝流域內(nèi)沖溝發(fā)育，常年徑流，山高坡陡，溝床縱比降較大，加之坡面和溝床上存在大量松散堆積物，在暴雨條件下極易形成泥石流。因其泥石流匯入金沙江，位于某水電站的建設(shè)區(qū)域，所以極有可能對水電站造成不良影響。本文選取BP神經(jīng)網(wǎng)絡(luò)方法對延吉溝泥石流進(jìn)行危險度評價。

1 研究區(qū)域概況

延吉溝流域位于金沙江白鶴灘峽谷左岸，大涼山山脈南坡。流域內(nèi)地勢西高東低，地貌類型屬中山區(qū)。流域最高點(diǎn)海拔拉魯梁子2 620m，最低點(diǎn)588m，相對高差2 032m。延吉溝自西向東匯入金沙江，金沙江枯水期水面高程約591m，河床底高程為570～575m[1]。延吉溝流域地質(zhì)見圖1。

延吉溝兩側(cè)的沖溝切割較深，溝道狹窄，多跌水陡坎，溝谷平均縱坡比降大于200‰。流域沖溝呈樹枝狀發(fā)育，匯水面積較大，主溝內(nèi)常年流水，支流沖溝一般呈季節(jié)性流水，水量受季節(jié)性影響比較明顯，汛期地表徑流豐富，溝谷流水漲落頻繁，最終排于金沙江。

延吉溝流域支溝山高坡陡，溝床縱比降大，再加上當(dāng)?shù)鼐用癫缓侠淼纳a(chǎn)活動，使坡面和溝床上的松散堆積物擁有較大的勢能，當(dāng)遇到暴雨時，受坡面和溝谷徑流的影響，可能產(chǎn)生動能強(qiáng)大的泥石流[2]。

2 神經(jīng)網(wǎng)絡(luò)計(jì)算原理

神經(jīng)網(wǎng)絡(luò)是從信息處理角度對人腦神經(jīng)元網(wǎng)絡(luò)進(jìn)行抽象，從而建立起的某種按不同方式連接的簡單模型組成的網(wǎng)絡(luò)。神經(jīng)網(wǎng)絡(luò)方法是一種運(yùn)算模型，其采用大量的節(jié)點(diǎn)相互聯(lián)接構(gòu)成，使每個節(jié)點(diǎn)代表一種特定的輸出函數(shù)，每個位于兩個節(jié)點(diǎn)間的連接都代表一個對于通過該連接信號的加權(quán)值，亦稱為權(quán)重，這相當(dāng)于人工神經(jīng)網(wǎng)絡(luò)的記憶。網(wǎng)絡(luò)的輸出則依網(wǎng)絡(luò)的連接方式、權(quán)重值和激勵函數(shù)的不同而不同。網(wǎng)絡(luò)自身表達(dá)通常都是對自然界某種算法或者函數(shù)的逼近，也可能是對一種邏輯策略的表述。人工神經(jīng)網(wǎng)絡(luò)采取并行分布式系統(tǒng)，采用了與傳統(tǒng)人工智能和信息處理技術(shù)完全不同的機(jī)理，克服了傳統(tǒng)計(jì)算方法基于邏輯符號的人工智能在處理直覺、非結(jié)構(gòu)化信息方面的缺陷，具有自適應(yīng)、自組織和實(shí)時學(xué)習(xí)的特點(diǎn)。

人工神經(jīng)網(wǎng)絡(luò)算法程序?qū)崿F(xiàn)的具體步驟如下。

①初始化所有權(quán)系數(shù)wji、wkj，學(xué)習(xí)速率[η]，迭代次數(shù)l=1，累計(jì)誤差。

②輸入一個樣本[X=X1，X2，…，Xnt]，期望輸出[d=d1，d2，…，dc]。

③計(jì)算隱含層各節(jié)點(diǎn)：

[Yj=i=1n+1Wjiθi] （1）

其中，[θi=Xi]，[θn+1=1]，[?j=fYj，j=1，2，…，h]。

④計(jì)算輸出各節(jié)點(diǎn)：

[Zk=j=1h+1Wkj?j，?n+1=1，Ok=fZk，k=1，2，…，c] （2）

⑤計(jì)算誤差：

[dk-Ok2] （3）

⑥修正輸出層：

[Wkjδk=dk-OkOk1-Ok] （4）

[Wkj=Wkj+ηδk?j，k=1，2，…，c] （5）

⑦修正隱含層：

[Wjiβj=?j1-?jk=1cδkWkj] （6）

[Wji=Wji+ηβjθi，k=1，2，…，c] （7）

⑧檢查系統(tǒng)是否對所有訓(xùn)練樣本完成一輪訓(xùn)練使P>N，若P

最終檢查網(wǎng)絡(luò)總誤差是否達(dá)到精度要求，若滿足E3 神經(jīng)網(wǎng)絡(luò)模型建立

應(yīng)用BP網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練，首先要確定輸入樣本，選取延吉溝附近矮子溝、大寨溝、海子溝、白鶴灘溝、涼水溝和牛路溝等6個泥石流溝作為訓(xùn)練樣本進(jìn)行泥石流風(fēng)險因子的訓(xùn)練。風(fēng)險因子選擇影響泥石流危險度的6個主要因素，即縱比降、流域面積、泥石流容重、溝長、危險區(qū)面積和黏粒含量作為BP網(wǎng)絡(luò)的輸入（見表1），以泥石流危險度評價結(jié)果作為BP網(wǎng)絡(luò)的輸出[3]。

本文所采用的BP網(wǎng)絡(luò)模型分為三層：輸入層、隱含層和輸出層。輸入層設(shè)定6個神經(jīng)元，分別代表1-6個因子指標(biāo)；輸出層設(shè)定為一個神經(jīng)元，用數(shù)字1-3來表示危險度的高低（較小，中等，較大）。

利用《泥石流災(zāi)害防治工程勘查規(guī)范》DZ/T 0220-2006推薦的人工經(jīng)驗(yàn)算法對矮子溝等泥石流溝進(jìn)行危險度評價，結(jié)果見表2。

基于上述數(shù)據(jù)建立的BP網(wǎng)絡(luò)模型，應(yīng)用MATLAB軟件，根據(jù)步驟編寫程序，利用程序進(jìn)行網(wǎng)絡(luò)訓(xùn)練及參數(shù)識別。

設(shè)定網(wǎng)絡(luò)的學(xué)習(xí)率為0.1；目標(biāo)值為0.001；最大迭代次數(shù)為8 000次。隱含層轉(zhuǎn)移函數(shù)選取tansig函數(shù)，輸出層轉(zhuǎn)移函數(shù)選擇purelin函數(shù)。然后，將歸一化的數(shù)據(jù)帶入BP網(wǎng)絡(luò)中進(jìn)行運(yùn)算。因?yàn)锽P網(wǎng)絡(luò)模型的輸出層采用的轉(zhuǎn)移函數(shù)是purelin函數(shù)，因此函數(shù)的輸出范圍默認(rèn)為[0-1]。在網(wǎng)絡(luò)應(yīng)用樣本數(shù)據(jù)之前需要對選取的樣本數(shù)據(jù)進(jìn)行預(yù)處理[4]。處理公式為：

[T=X-Xmin/Xmax-Xmin] （8）

式中，[T]是處理后的數(shù)據(jù)，[X]為原始數(shù)據(jù)，[Xmax]和[Xmin]分別是原始數(shù)據(jù)的最大值和最小值。延吉溝泥石流預(yù)處理風(fēng)險因子見表3。

隱含層神經(jīng)元的閾值矢量為：

b{1}={1.830 7 0.915 4 0 0.915 4 1.830 7}。

訓(xùn)練后隱含層神經(jīng)元到輸出層神經(jīng)元的連接權(quán)值矢量為：

LW={-0.098 2 0.094 0 -0.407 4 0.489 4 -0.622 1}。

隱含層神經(jīng)元的閾值矢量為：b{2}={0.373 6}

計(jì)算得出延吉溝危險度評價為1.593 5，與人工經(jīng)驗(yàn)算法基本一致，屬于輕度泥石流。

4 結(jié)論與建議

①利用矮子溝等6個溝進(jìn)行訓(xùn)練，選擇縱比降、流域面積、泥石流容重、溝長、危險區(qū)面積和黏粒含量6個因子，BP神經(jīng)網(wǎng)絡(luò)方法計(jì)算延吉溝危險度為1.593 5，人工經(jīng)驗(yàn)算法計(jì)算結(jié)果為2，二者相差不大。

②在使用BP神經(jīng)網(wǎng)絡(luò)對延吉溝流域進(jìn)行泥石流危險度評價時，選取的目標(biāo)因子的多寡對泥石流危險度的精確度影響較大。本次選取了縱比降、流域面積、泥石流容重、溝長、危險區(qū)面積和黏粒含量作為影響因子，泥石流流速、泥石流流量、植被面積和松散物體積等由于收集資料不全面在此并未使用。但基于泥石流精準(zhǔn)度方面的考慮，采用的相關(guān)影響因子越多，泥石流危險度的評價就越為精準(zhǔn)。

③延吉溝流域內(nèi)發(fā)育的主要沖溝為坡面降雨型低頻小型稀性泥石流溝，其泥石流易發(fā)程度為輕微。但在高烈度地震和強(qiáng)降雨的偶然聯(lián)合作用下，其洪峰流量對流域內(nèi)的人員安全存在一定威脅，因此需要對延吉溝泥石流進(jìn)行防范，制定一定的工程處理措施。建議修筑排導(dǎo)槽或是在清源區(qū)加大植被覆蓋面積以防范泥石流的暴發(fā)。

參考文獻(xiàn)：

[1]趙源，劉希林.人工神經(jīng)網(wǎng)絡(luò)在泥石流風(fēng)險評價中的應(yīng)用[J].地質(zhì)災(zāi)害與環(huán)境保護(hù)，2005（6）：35-36.

[2]胡桂勝，陳寧生.金沙江白鶴灘水電站壩址近場區(qū)泥石流運(yùn)動特征與發(fā)展趨勢分析[J]. 水土保持研究，2014（2）：238-245.

[3]賀拿，陳寧生.白鶴灘水電站壩址近場區(qū)泥石流臨界雨量研究[J].水利學(xué)報，2015（2）：239-247.

[4]王小川，史峰.MATLAB神經(jīng)網(wǎng)絡(luò)43個案例分析[M].北京：北京航空航天出版社，2013.