[发明专利]基于RBFN机器学习的降雨型地质灾害预警预报模型及学习方法

摘要

本发明公开了一种基于RBFN机器学习的降雨型地质灾害预警预报模型及其学习方法，属一种地质灾害监测技术，该模型包括输入层、隐含层与输出层，所述输入层为向量x＝(x₁,x₂)，其中x₁为土壤雨量指数，x₂为小时雨量；所述输出层为标量RBFN值；隐含层由m个径向基函数构成；隐含层组成的数组运算单位为隐含层节点，它包含一个中心向量c，与输入层参数向量x具有相同维数。以降雨为灾害发生的主要诱因，以降雨量和实际已发生灾害为先验事件，构建了降雨型地质灾害预警和预报模型。模型采用径向基函数网络的RBFN模型，将以往有量纲的降雨量硬阈值，通过引入土壤雨量指数和机器学习算法改进为无量纲的软阈值进行预警单元分级，避免了过去主观和统计方法确定阈值的弊端。

主权项

1.一种基于RBFN机器学习的降雨型地质灾害预警预报模型，其特征在于：所述的模型包括输入层、隐含层与输出层，所述输入层为向量x＝(x1,x2)，其中x1为土壤雨量指数，x2为小时雨量；所述输出层为标量RBFN值；隐含层由m个径向基函数构成；所述隐含层组成的数组运算单位为隐含层节点，它包含一个中心向量c，与输入层参数向量x具有相同维数，隐含层的径向基函数由下式得到的高斯基函数：上式中，σj为正数，高斯基函数的半径；cj为基底函数的中心点；m是隐含层的节点数量，具体大小根据学习样本点的空间分布决定；||·||为2范数，由内积运算导出，网络输出由下式进行计算：上式中，O(x)为输出值，即RBFN值；wj为第j层输出层的权值。