一种基于ga-psobp算法的地质灾害危险性评价方法
【专利摘要】本发明公开了一种基于GA-PSOBP算法的地质灾害危险性评价方法，该方法将BP算法与遗传算法相结合，提出混合智能算法；先用遗传算法对网络进行训练，找到一个较优解，然后将这一结果作为BP算法中的网络初始参数再进行训练，这种方法可以提高网络的分类能力，避免结果陷入局部最优；并且在训练迭代中采用PSO算法进行更改连接权值和阈值，从而加快了网络的收敛速度。
【专利说明】—种基于GA-PSOBP算法的地质灾害危险性评价方法
【技术领域】
[0001]本发明涉及一种基于GA-PSOBP算法的地质灾害危险性评价方法，特别涉及一种智能计算与地质灾害预测方法，属于计算机应用与灾害预测领域。
【背景技术】
[0002]地质灾害危险性评价研究是自然灾害风险研究的一个分支，地质灾害危险性评价对及时预报自然灾害，提前采取预防措施具有重要的意义。全球对自然灾害的研究历史久远，但对于地质灾害的风险研究是近几十年才兴起的一个研究领域，虽然相关理论和方法日渐丰富，但迄今没有形成一个完整的体系。
[0003]近年来，日本、英国等一些国家近年来开展了地震、海嘯、洪水、滑坡、泥石流等灾害风险分析或灾害评估，其相关成果已经成为确定减灾责任和实施救助的重要依据。
【发明内容】
[0004]本发明的目的是提供一种基于GA-PSOBP算法的地质灾害危险性评价方法，这种方法基于粒子群优化算法，克服通常方法对初始值敏感容易陷入局部极值的弱点；使用单一的智能算法往往也只能求出局部最优解，且迭代次数很多。
[0005]本发明提出了一种GA-PSOBP遗传算法，即在BP算法处理非线性问题的优势基础上，引入遗传算法计算初始权值和阈值，采用PSO算法优化每次的迭代中连接权值和阈值的变更，这样可以避免计算结果陷入局部优化，更加提高了求解速度，取得了很好的效果。
[0006]本发明是通过以下技术方案实现的:
[0007](I)本发明中，对以吉林省地质灾害监测资料数据进行分析总结。并结合地质灾害危险性评价中地质灾害活动的动力条件确定主要影响因子为年平均降雨量、森林覆盖率、地形地貌、地质构造、岩土体结构、灾害点密度和人类工程活动。
[0008](2)将BP算法与遗传算法相结合，提出混合智能算法。先用遗传算法对网络进行训练，找到一个较优解，然后将这一结果作为BP算法中的网络初始参数再进行训练。这种方法可以提高网络的分类能力，避免结果陷入局部最优。并且在训练迭代中采用PSO算法进行更改连接权值和阈值，从而加快了网络的收敛速度。
[0009](3)首先，在5702组样本数据中随机取出4702组数据作为训练样本，剩余的100组数据作为测试样本，由于数据的量纲不同，所以对数据进行标准归一化。确定网络各层节点数，进行仿真训练，从而建立了地质灾害危险性的仿真模型。
【专利附图】
【附图说明】
[0010]图1为本发明的流程示意图。
【具体实施方式】
[0011]请参阅图1所示，本发明包括以下步骤:[0012](一)、确定神经网络结构:包括输入层、隐含层、输出层的神经元个数；
[0013](二)、染色体的编码:
[0014]采用实数编码，即X= (￥，θ,ν, Y)，w为输入层和隐层之间的连接权值，Θ为隐层的阈值，V为隐层和输出层之间的连接权值，Y为输出层的阈值；
[0015](三)、适应度函数的构造:
[0016]目标函数选取网络误差函数Ε，
[0017]
【权利要求】
1.一种基于GA-PSOBP算法的地质灾害危险性评价方法，该方法包括以下步骤: (一)、确定神经网络结构:包括输入层、隐含层、输出层的神经元个数； (二)、染色体的编码: 采用实数编码，即X= (W，θ,ν, Y)，w为输入层和隐层之间的连接权值，Θ为隐层的阈值，V为隐层和输出层之间的连接权值，Y为输出层的阈值； (三)、适应度函数的构造: 目标函数选取网络误差函数Ε，
【文档编号】G06Q10/04GK103699943SQ201310751220
【公开日】2014年4月2日 申请日期:2013年12月27日 优先权日:2013年12月27日
【发明者】刘铭, 王轶, 董小刚, 何禹德 申请人:长春工业大学