基于GRA-PCA-BP神经网络模型的单沟泥石流危险性预测

作者：刘育林; 周爱红; 袁颖

来源：河北地质大学学报, 2022, 45(04): 44-51.

DOI：10.13937/j.cnki.hbdzdxxb.2022.04.007

• 泥石流危险性
• 主成分分析
• 灰色关联度
• 因素简约合理性分析
• BP神经网络模型

影响泥石流危险性的因素众多，难以通过传统的评价方法对单沟泥石流危险性进行准确的预测。因此，通过灰色关联度(GRA)模型剔除对泥石流危险性影响较小的评价指标，得到包含7个关键指标的样本数据集，并基于统计学理论对选取的评价指标的合理性进行解释。采用主成分分析法(PCA)从7个关键指标中提取出3个主成分，利用BP神经网络模型对处理后的训练样本进行训练，建立预测泥石流危险性的GRA-PCA-BP神经网络模型，对预测样本的泥石流危险性进行预测。结合泥石流危险性的实际等级将GRA-PCA-BP神经网络模型与BP神经网络模型、GRA-BP神经网络模型和PCA-BP神经网络模型的预测结果进行对比。结果表明：虽然GRA在一定程度上有其局限性，但是其因素约简的结果仍是真实可靠的；GRA-PCA-BP神经网络模型的泥石流危险性预测结果精度较其他3种神经网络模型有很大的提高，泥石流危险性的预测等级与实际等级基本吻合。

• 单位
  河北地质大学