基于GRA-PCA-BP神经网络模型的单沟泥石流危险性预测
Risk Prediction of Single Gully Debris Flow Based on GRA-PCA-BP Neural Network Model作者机构:河北地质大学勘查技术与工程学院河北石家庄050031 河北地质大学河北省高校生态环境地质应用技术研发中心河北石家庄050031
出 版 物:《河北地质大学学报》 (Journal of Hebei Geo University)
年 卷 期:2022年第45卷第4期
页 面:44-51页
学科分类:070904[理学-构造地质学] 0709[理学-地质学] 07[理学]
基 金:国家自然科学基金项目(41807231) 河北省自然科学基金项目(D2019403182) 河北省教育厅青年基金项目(QN2019196)。
主 题:泥石流危险性 主成分分析 灰色关联度 因素简约合理性分析 BP神经网络模型
摘 要:影响泥石流危险性的因素众多,难以通过传统的评价方法对单沟泥石流危险性进行准确的预测。因此,通过灰色关联度(GRA)模型剔除对泥石流危险性影响较小的评价指标,得到包含7个关键指标的样本数据集,并基于统计学理论对选取的评价指标的合理性进行解释。采用主成分分析法(PCA)从7个关键指标中提取出3个主成分,利用BP神经网络模型对处理后的训练样本进行训练,建立预测泥石流危险性的GRA-PCA-BP神经网络模型,对预测样本的泥石流危险性进行预测。结合泥石流危险性的实际等级将GRA-PCA-BP神经网络模型与BP神经网络模型、GRA-BP神经网络模型和PCA-BP神经网络模型的预测结果进行对比。结果表明:虽然GRA在一定程度上有其局限性,但是其因素约简的结果仍是真实可靠的;GRA-PCA-BP神经网络模型的泥石流危险性预测结果精度较其他3种神经网络模型有很大的提高,泥石流危险性的预测等级与实际等级基本吻合。