王江濤 武盼鋒 姬冰麗

1.中煤航測遙感集團有限公司 陜西 西安 710199

2.陜西省地理空間信息工程技術(shù)研究中心 陜西 西安 710199

引言

我國國土遼闊,覆蓋各種地形,是地質(zhì)災(zāi)害的多發(fā)國家,因地質(zhì)災(zāi)害造成的經(jīng)濟損失非常龐大,因此優(yōu)化神經(jīng)網(wǎng)絡(luò)在地質(zhì)災(zāi)害監(jiān)測預(yù)警中的應(yīng)用十分重要,在傳統(tǒng)預(yù)警模型上進行改進,強化神經(jīng)網(wǎng)絡(luò)于監(jiān)測預(yù)警中的功能。

1 現(xiàn)階段神經(jīng)網(wǎng)絡(luò)的地質(zhì)災(zāi)害監(jiān)測預(yù)警概況

目前廣泛應(yīng)用與地質(zhì)災(zāi)害預(yù)測領(lǐng)域中的神經(jīng)網(wǎng)絡(luò)有兩種,分別是BP神經(jīng)網(wǎng)絡(luò)和RBF神經(jīng)網(wǎng)絡(luò),不論哪種神經(jīng)網(wǎng)絡(luò)都要依靠系統(tǒng)的復(fù)雜程度,通過調(diào)整內(nèi)部大量節(jié)點之間相互連接的關(guān)系,從而達到建立地質(zhì)災(zāi)害監(jiān)測預(yù)警模型的目的。雖然目前的神經(jīng)網(wǎng)絡(luò)理論還是性能方面都比較成熟,其突出優(yōu)點就是具有很強的非線性映射能力和柔性的網(wǎng)絡(luò)結(jié)構(gòu),相當符合地質(zhì)災(zāi)害的非線性活動,而在網(wǎng)絡(luò)的中間層數(shù)、各層的神經(jīng)元個數(shù)也可根據(jù)具體地質(zhì)災(zāi)害情況進行設(shè)定。但也有一定缺陷,以BP網(wǎng)絡(luò)為例,它學(xué)習(xí)速度慢,需要進行幾百上千次的學(xué)習(xí)才能將問題收斂,并且容易陷入局部極小值,層數(shù)及神經(jīng)元個數(shù)還沒有相應(yīng)的實踐理論。

2 基于優(yōu)化神經(jīng)網(wǎng)絡(luò)的地質(zhì)災(zāi)害監(jiān)測預(yù)警分析

2.1 地質(zhì)災(zāi)害監(jiān)測數(shù)據(jù)處理 使用電信號需利用設(shè)備進信號轉(zhuǎn)為物理量,并考慮是否有異常引號的出現(xiàn),在整個監(jiān)測過程中可能會受到一些因素的影響,而某些數(shù)據(jù)也會產(chǎn)生偏差,需要工作人員對這些異常數(shù)據(jù)進行識別,也可使用格拉布斯準則進行誤差剔除。另外一種方法則是依靠數(shù)據(jù)建立地質(zhì)災(zāi)害危險性評價模型,利用空間信息量疊加算法,對地質(zhì)災(zāi)害危險區(qū)進行分級,并利用神經(jīng)網(wǎng)絡(luò)算法劃分出地質(zhì)災(zāi)害預(yù)警等級。在地質(zhì)災(zāi)害監(jiān)測數(shù)據(jù)收集中,需結(jié)合兩種方式,由電信號獲得的物理量數(shù)據(jù)使用拉格朗日差值法進行解析,并與數(shù)據(jù)庫內(nèi)資料進行比對,由于受到外界因素干擾,兩者監(jiān)測出的曲線波動程度可能不同,無法反應(yīng)出數(shù)據(jù)的實際變化規(guī)律,這就需要神經(jīng)網(wǎng)絡(luò)進行數(shù)據(jù)過濾,將由信號、噪音等因素產(chǎn)生的頻率變化剔除,一般是將頻率較高與較低的噪音消減,并就特定區(qū)域或區(qū)間的頻率信號進行保留,去除其他雜項。

從大量信息分析數(shù)據(jù),并用于地質(zhì)災(zāi)害監(jiān)測系統(tǒng)中,才能提高地質(zhì)災(zāi)害監(jiān)測的準確度和實效性。在信息化時代的普及下,先進的多媒體傳感器技術(shù)、衛(wèi)星遙感技術(shù)、無線網(wǎng)絡(luò)技術(shù)都可基于地理信息系統(tǒng)平臺,為地質(zhì)災(zāi)害監(jiān)測數(shù)據(jù)貢獻出自己的一份力量,將這些技術(shù)綜合起來,將為地質(zhì)災(zāi)害監(jiān)測數(shù)據(jù)處理帶來新的發(fā)展。

2.2 地質(zhì)災(zāi)害監(jiān)測預(yù)警仿真模擬 神經(jīng)網(wǎng)絡(luò)無需事先確定輸入輸出之間映射關(guān)系的數(shù)學(xué)方程,僅通過自身的訓(xùn)練,學(xué)習(xí)某種規(guī)則,在給定輸入值時得到最接近期望輸出值的結(jié)果,先階段廣泛應(yīng)用的BP神經(jīng)網(wǎng)絡(luò)主要由輸入層、隱含層和輸出層組成。為提高現(xiàn)階段神經(jīng)網(wǎng)絡(luò)模型的整體預(yù)警需要對這些參數(shù)進行調(diào)整。首先是輸入層,目前影響地質(zhì)災(zāi)害發(fā)生的因素十分多,在進行建模的過程中很難完全考慮到這些因素,如果之后一一剔除更加耗費時間,目前采用的方式是模擬生成易發(fā)區(qū)域,并對計算此區(qū)域中各種因素對自然災(zāi)害影響的概率。這種方式不會對真正的因素產(chǎn)生影響,卻需要進行實地考察以及大量模型建設(shè),才能有效增加神經(jīng)網(wǎng)絡(luò)模型數(shù)量。其次是對隱含層的仿真分析,由于BP算法是包括信號的前向傳播和誤差的反向傳播兩個構(gòu)成,因此在調(diào)整權(quán)值和閾值則要從輸出到輸入的方向進行,這也給隱含層數(shù)據(jù)收集和預(yù)警模擬造成了一些困難。解析出該層數(shù)個節(jié)點中的參數(shù),對之后進行神經(jīng)網(wǎng)絡(luò)訓(xùn)練有著十分重要的作用,在實行神經(jīng)網(wǎng)絡(luò)建立的過程中,也需首先考慮隱含層。最后則是輸出層,將該層數(shù)據(jù)進行節(jié)點設(shè)置,即地質(zhì)災(zāi)害發(fā)生點,超過此節(jié)點便表示有地質(zhì)災(zāi)害發(fā)生需要進行預(yù)警,反之則不需要進行預(yù)警,可以很直觀地表明預(yù)警情況的需要情況。

經(jīng)過仿真模擬后的神經(jīng)網(wǎng)絡(luò)地質(zhì)災(zāi)害預(yù)警可以具體分為5步,分別為各參數(shù)設(shè)定、歸一化處理、網(wǎng)絡(luò)訓(xùn)練、神經(jīng)網(wǎng)絡(luò)泛化以及地質(zhì)災(zāi)害監(jiān)測預(yù)警[1]。此階段的預(yù)警模型已經(jīng)完成,之后可以對樣本區(qū)域或假定易發(fā)區(qū)進行監(jiān)測預(yù)警模擬,通過不同的因素組合得出不同數(shù)據(jù),來判斷這些數(shù)據(jù)是否發(fā)生地質(zhì)災(zāi)害。

2.3 優(yōu)化網(wǎng)絡(luò)與“網(wǎng)絡(luò)”預(yù)警 優(yōu)化神經(jīng)網(wǎng)絡(luò)最基礎(chǔ)的就是優(yōu)化其算法,改變其訓(xùn)練方式,來最小化或最大化損失函數(shù)的一類算法。例如給定節(jié)點數(shù)量X和其對應(yīng)的數(shù)量Y,假設(shè)構(gòu)建一個線性模型f(x)=Wx+b,有了模型后,根據(jù)輸入x就可以得到預(yù)測輸出f(x),并且可以計算出預(yù)測值和真實值之間的差距[f(x)-Y]2,這個就是損失函數(shù)。最終目的是找到合適的W,b使上述損失函數(shù)的值達到最小,損失值越小,則說明此模型越接近于真實情況[2]。也可以進行神經(jīng)元的訓(xùn)練,初始化神經(jīng)元后,設(shè)定參數(shù),之后提取神經(jīng)元輸入值及歸一化,訓(xùn)練權(quán)值矩陣,確定神經(jīng)網(wǎng)絡(luò)誤差,根據(jù)誤差情況計算隱含層和輸出層神經(jīng)元,直到誤差滿足要求。

結(jié)論

神經(jīng)網(wǎng)絡(luò)是地質(zhì)災(zāi)害監(jiān)測預(yù)警的一項重要技術(shù),在傳統(tǒng)神經(jīng)網(wǎng)絡(luò)的基礎(chǔ)上進行優(yōu)化,增加基礎(chǔ)監(jiān)測模型,模擬易發(fā)區(qū)預(yù)警處理,仿真分析出優(yōu)化神經(jīng)網(wǎng)絡(luò)的地質(zhì)災(zāi)害監(jiān)測預(yù)警情況。信息化的快速發(fā)展將加快神經(jīng)網(wǎng)絡(luò)的優(yōu)化程度,將為我國地質(zhì)災(zāi)害監(jiān)測和預(yù)警提供堅實支撐。