基于智能遗传算法的地质灾害预警预报问题研究

论文摘要

最近这些年以来,世界各地频繁的发生地震、滑坡、泥石流等地质灾害。使我们深有感触的、具有代表性的“汶川地震”,“玉树地震”,“青海泥石流”都让我们对地质灾害产生了强烈的恐惧感。然而这些状况的发生正是由于具有恶性的地质作用正在活跃时期所导致的。与此同时人类愈来愈加剧的工程活动,使得地质灾害成为了抑制经济社会的不断发展、人民生活水平不断提高的重要因素之一。由于地质灾害的发生是受许多种不同因素影响的,所以它具有一定的不能确定的性质,因此开展针对区域的地质灾害危险性的划分,以及对地质灾害的预警预报毫无疑问都成为了研究地质灾害的重要问题。本文主要对吉林省汛期的地质灾害进行研究,主要通过对降雨量等重要制约因素的分析,将灾害区等级按照从高到底进行划分,从而建立一个可行的预警预报模型。虽然吉林省的地形地貌都相对平稳,但是在汛期也是存在着一定的地质灾害的危险。本文应将遗传算法与BP算法（Backpropugation Neural Network）进行了耦合,给出的智能遗传算法的概念。即在应用BP算法来处理非线性问题的优势基础之上,又引进了遗传算法来计算初始的权值和阈值,这样一来就可以杜绝计算的结果陷入到局部优化中；同时为了减少迭代的运算次数、提高求解速度。并且我们将原有的梯度下降法用L-M （Levenberg-Marquardt）算法替代,取得了很好的效果。利用这种算法以便研究地质灾害危险性评价,对吉林省地质灾害的危险性展开了客观性的评价,得出了一个符合实际的地质灾害危险性分区等级的划分,从而建立了一个可行、可信的预警预报模型。

论文目录

• 摘要
• Abstract
• 主要符号及意义
• 第一章 绪论
• 1.1 本课题的来源
• 1.2 研究意义
• 第二章 基本算法简介
• 2.1 BP算法
• 2.1.1 BP网络结构
• 2.1.2 BP网络的学习方法
• 2.1.3 BP网络的主要特征
• 2.2 遗传算法
• 2.2.1 遗传算法的原理
• 2.2.2 遗传算法的主要运算过程
• 2.2.3 遗传算法的主要特征
• 2.3 L-M算法
• 2.3.1 L-M算法的原理
• 2.3.2 L-M算法的主要特征
• 第三章 智能遗传算法
• 3.1 智能遗传算法的原理
• 3.2 智能遗传算法运算步骤
• 第四章 智能遗传算法的应用
• 4.1 背景
• 4.2 数据处理
• 4.3 计算及分析
• 第五章 吉林省汛期地质灾害预报预警模型
• 5.1 地质灾害预报预测
• 5.1.1 所需资料
• 5.1.2 步骤
• 5.2 吉林省近几年的地质灾害
• 第六章 结论
• 致谢
• 参考文献
• 作者简介
• 攻读硕士学位期间研究成果