泥石流危险性SIGA-BP神经网络评价方法及应用

重庆交通大学学报（自然科学版） ›› 2010, Vol. 29 ›› Issue (1): 98-102.

泥石流危险性SIGA-BP神经网络评价方法及应用

谷秀芝，陈洪凯，刘厚成

重庆交通大学岩土工程研究所，重庆 400074

收稿日期:2009-06-30 出版日期:2010-02-15 发布日期:2015-01-22
作者简介:谷秀芝(1982—)，女，河北邢台人，硕士研究生，主要从事地质灾害与防治研究。E-mail:gxzh1982@126.com。
基金资助:
国家自然科学基金项目(50678182);中国博士后科学基金项目(20080430095)

Method and Application of Debris Flow Hazard Assessment Based on SIGA-BP Neural Network

GU Xiu-zhi，CHEN Hong-kai，LIU Hou-cheng

Institute of Geotechnical Engineering，Chongqing Jiaotong University，Chongqing 400074，China

Received:2009-06-30 Online:2010-02-15 Published:2015-01-22

摘要/Abstract

摘要： 泥石流危险度是由泥石流危险因子综合判定的，然而危险因子有主次之分，要从众多泥石流危险因子中筛选出作用最大的主要危险因子是很困难的，利用自适应免疫遗传算法SIGA(Self-adaptiveImmuneGeneticAlgorithm) 对BP神经网络进行优化，获得了与云南省最相关的7项泥石流危险因子，建立了基于SIGA的BP神经网络模型，并对10组泥石流沟数据进行预测，得到了较高的预测结果。

关键词: 泥石流, 神经网络, 危险度, 危险因子

Abstract: The risk degree of debris flow is determined by dangerous factors of the debris flow. The dangerous factors are divided into primary and secondary factors. It is difficult to choose the most dangerous factor. BP neural network is optimalized by self-adaptive immune genetic algorithm (SIGA)，and seven dangerous factors of Yunnan province are obtained. SIGA-BP neural network is also established，which is applied to forecasting data of 10 groups’debris flow，and more accurate forecasting results are obtained.

Key words: debris flow, neural network, risk degree, risk factors

中图分类号:

P642.23

谷秀芝，陈洪凯，刘厚成. 泥石流危险性SIGA-BP神经网络评价方法及应用[J]. 重庆交通大学学报（自然科学版）, 2010, 29(1): 98-102.

GU Xiu-zhi，CHEN Hong-kai，LIU Hou-cheng. Method and Application of Debris Flow Hazard Assessment Based on SIGA-BP Neural Network[J]. Journal of Chongqing Jiaotong University(Natural Science), 2010, 29(1): 98-102.

参考文献

[1] Gazendam H，Liu K. The evolution of organizational semiotics: abrief review of the contribution of Ronald stamper[EB]. 2004 －04 － 18，http: / /www. orgsem. org /papers /00. pdf.
[2] 刘章军. 基于模糊概率方法的泥石流危险性评价[J]. 三峡大学学报:自然科学版，2007，29(4): 295 － 298.
[3] ZHAO Dong-mei，MA Jian-feng，WANG Yue-sheng. Model offuzzy risk assessment of the information system[J]. Journal onCommunication，2007，28(4): 51 － 56.
[4] 王学武，石豫川. 多级模糊综合评判方法在泥石流评价中的应用[J]. 灾害学，2004，19(2): 2 － 6.
[5] 鲁小兵，李德基. 基于神经网络的泥石流预测[J]. 自然灾害学报，1996，5(3): 47 － 50.
[6] 赵源，刘希林. 人工神经网络在泥石流风险评价中的应用[J]. 地质灾害与环境保护，2005，16(2): 135 － 138.
[7] 刘希林，苏鹏程. 四川省泥石流风险评价[J]. 灾害学，2004，19(2): 23 － 28.
[8] 陈刚，何政伟，杨洋，等. 基于径向基函数神经网络的泥石流危险性评价[J]. 计算机应用研究，2009，26(1): 241 － 243.
[9] 汪明武. 基于神经网络的泥石流危险度区划[J]. 水文地质工程地质，2000，27(2): 18 － 19.
[10] 李发斌，崔鹏，周万村，等. 用遗传神经网络分析泥石流活动性[J]. 中国地质灾害与防治学报，2003，14(3): 16 － 19.
[11] CHANG Tung-chiung，CHEN Yue-hone. The application of geneticalgorithm in debris flows prediction [J]. Environ Geol，2007，5(3): 339 － 347.
[12] Chang F J，Lee S P. A Study of the Intelligent Control Theoryfor the Debris Flow Warning System [R]. Proceedings of the 1stDebris Flows Conference. Taipei，Taiwan，ROC，1997: 109 －123.
[13] Chang T C，Hsieh C L. Site investigation and analysis for debrisflows in eastern Lan-Yun District [J]. Chinese Water and SoilReserveation Report Taiwan 1996，27(2): 139 － 150.
[14] 刘希林，唐川. 泥石流危险性评价[M]. 北京:科学出版社，1995: 3 － 15，62 － 65.
[15] 汪茜，李广杰. 基于人工神经网络的磐石市泥石流预测.[J]. 人民长江，2009，40(3): 47 － 48.
[16] 乔立杰，唐常杰. SIGA:一种新的自适应免疫遗传算法[J].中山大学学报，2008，47(3): 6 － 9.
[17] CHANG Tung-chiung. Risk degree of debris flow applying neuralnetworks [J]. Nat Hazards，2007，42(1): 209 － 224.
[18] CHANG Tung-chueng，CHAO Ru-jen. Application of back-propagationnetworks in debris flow prediction [J]. Engineering Geology，2006，49(7): 270 － 280.
[19] 田景文，高美娟. 人工神经网络算法研究及应用[M]. 北京:北京理工大学出版社，2006: 24 － 39，64 － 65.
[20] 丁明涛，韦方强. 云南蒋家沟泥石流成因及其防治措施探析[J]. 水土保持研究，2008，15(1):20 － 21.