自适应BP神经网络在边坡稳定性预测中的应用

边坡工程是一个动态开放、非线性的复杂系统,应用传统的分析方法往往难以确切描述其非线性特性,采用学习率自适应调整和动量法,对BP神经网络存在易陷入局部极小值、收敛速度慢、对神经元个数依赖性大等缺点进行改进,建立了(6-13-2)结构的自适应BP神经网络模型。边坡预测实例表明:自适应BP神经网络的预测精度高于标准BP神经网络;改进后的BP神经网络提高了网络的训练速度,节省了时间,提高了计算精度。     

基于人工神经网络的磐石市泥石流预测

磐石市位于吉林省中南部,区内地质环境质量较差,常有泥石流、崩塌、滑坡等灾害发生,尤其以泥石流灾害最为严重,制约了当地经济发展。因此,对该区泥石流灾害进行深入研究,预测其危险范围是非常必要的。根据研究区内199条泥石流沟的实际调查资料,综合考虑仿真准确率、均方误差及网络训练等因素,采用收敛速度快的Levenberg-Marquardt反向传播算法,构建了(8-17-4)结构的BP网络模型。用该模型对区内泥石流危险范围预测的结果符合研究区的实际情况。