[发明专利]基于优化输入层的BP神经网络预报滑坡的方法

说明书

技术领域

本发明涉及自然灾害监测与预测领域，具体涉及的是基于优化输入层的BP神经网络预报滑坡的方法。

背景技术

目前，对于滑坡危险性预测的方法可分为：定性评价，定量评价，和不确定性分析三大类。定性评价的方法包括历史分析法和工程地质类比法。定量评价方法有刚体极限平衡法，应力应变分析法。其中，应力应变分析法又可分为：连续介质力学犯法和不连续介质力学方法。不确定分析方法有可靠度方法、模糊方法、灰色系统理论、聚类分析、遗传算法等等。

上述的前两类方法都需要人为给出一定的模型进行计算。由于模型抽象简化的特点，从而造成了计算结论的不可预知性，而且其正确性也无法得到检验。这使得这些方法在稳定评价中存在着一定的局限性。即使是现有的利用BP神经网络来预报滑坡的方法由于其在输入层方面的选择太过片面狭隘的缺陷，也使得它的灾害预报精度不高。

发明内容

本发明的目的在于克服现有技术存在的以上问题，提供基于优化输入层的BP神经网络预报滑坡的方法，只需给定合理的输入、输出数据就能确定他们之间的线性关系从而达到滑坡灾害预测的一种方法。

为实现上述技术目的，达到上述技术效果，本发明通过以下技术方案实现：

基于优化输入层的BP神经网络预报滑坡的方法，包括以下步骤，

步骤1）输入层滑坡有关参数的采集；用                                               对原始数据进行预处理，使输入数据落在0至1之间；

    步骤2）BP神经网络训练操作；假设初始化输入值分别为想x₁,x₂,x₃……x_n，输入节点与隐层节点之间的权值为，隐层节点与输出节点之间的权值为，隐层中的阈值为，输出层中的阈值为，用和计算节点的输入输出

和；                                                

    步骤3）判断是否满足要求，已知期望值为t，根据输出节点的误差公式，计算误差，若满足要求，即完成样本的训练，否则，根据减少误差的原则，先调整，，在调整，，并用修正后的值进行训练直至满足要求；

步骤4）当样本完成训练后，输入初始化的预测样本进行，即可得到预测值。

本发明的有益效果是:

1、输入层参数选取更加具体、全面、合理，因此本方法在预报方面具有更好的普遍性和泛化性，简单来说就是适用于更多的区域。

2、由于输入层的选取更加全面，使得BP神经网络的输入层与隐含层之间的连接权的个数增加，神经网络的结构更为复杂，通过训练得出的连接权值也更符合预报区域的实际情况。

附图说明

图1是本发明的具体操作流程图；

图2是BP神经网络的网络结构。

具体实施方式

下面将参考附图并结合实施例，来详细说明本发明。

参照图1、图2所示，基于优化输入层的BP神经网络预报滑坡的方法，包括以下步骤，

步骤1）输入层滑坡有关参数的采集；用对原始数据进行预处理，使输入数据落在0至1之间；

    步骤2）BP神经网络训练操作；假设初始化输入值分别为想x₁,x₂,x₃……x_n，输入节点与隐层节点之间的权值为，隐层节点与输出节点之间的权值为，隐层中的阈值为，输出层中的阈值为，用和计算节点的输入输出

和；                                                

    步骤3）判断是否满足要求，已知期望值为t，根据输出节点的误差公式，计算误差，若满足要求，即完成样本的训练，否则，根据减少误差的原则，先调整，，在调整，，并用修正后的值进行训练直至满足要求；

步骤4）当样本完成训练后，输入初始化的预测样本进行，即可得到预测值。