[发明专利]一种基于概率神经网络模型的泥石流沟堵塞程度预测方法

权利要求书

1.一种基于概率神经网络模型的泥石流沟堵塞程度预测方法，其特征在于，包括下述步骤：

步骤1：搜集泥石流沟地质资料，所述地质资料包括研究区泥石流调查报告、遥感影像和DEM数据；依据实际的泥石流发育特征初选影响泥石流沟堵塞程度的p项指标，所述p项指标包括泥石流形成的地形地貌条件、地质条件、水源条件和物源条件；

步骤2：利用所述步骤1中的地质资料对p项指标进行量化，所述量化的方法包括遥感影像和DEM数据解译、研究区泥石流调查报告的分析和计算；

步骤3：利用极大不相关法进行指标筛选，根据初选的p项指标，计算各项指标之间的复相关系数，确定出筛选后的指标体系，所述利用极大不相关法进行指标筛选的步骤为

步骤3.1 确定分析样本，p项指标的n组评价对象值构成的样本X为

（1）

步骤3.2 求解样本X的协差阵及相关阵，分别记为V(x)、R(x)

（2）

其中：i、j=1、2、……、p，i=j时，表示的方差；i≠ j时，为与的协方差；

步骤3.3 计算每个指标和其他p-1个指标间的复相关系数，将矩阵R的第i行、第j列置换到矩阵的最后一行和最后一列，记为R’，将R’分块为

r(x)= （3）

其中：R_-i是R'的1到p-1行与1到p-1列间的元素组成的矩阵，r_i是R'的p列与1到p-1行元素组成的矩阵，r_i^T是R'的P行与1到P-1列元素组成的矩阵；

步骤3.4 指标与其他p-1个指标间的复相关系数公式为

（4）

其中：是R_-i的逆矩阵；

步骤3.5 当指标的复相关系数大于临界值D时，该项指标予以剔除，保留未被剔除的指标；

步骤4：由步骤3中所述的进行指标筛选后的样本X提取训练集与测试集，利用训练集进行概率神经网络训练，建立概率神经网络模型，所述的利用训练集进行概率神经网络训练是以训练集样本做输入，经隐含层和求和层计算，以训练集样本对应的泥石流沟堵塞程度等级做输出进行的；

步骤5：利用步骤4中所述的测试集对概率神经网络模型进行仿真测试，选择合理的径向基函数扩展速度，确定出概率神经网络预测模型。

2.根据权利要求1所述的一种基于概率神经网络模型的泥石流沟堵塞程度预测方法，其特征在于，所述步骤3.5中，临界值D的确定公式为

D=0.95·max（） （5）

其中：为所述步骤3.4中的复相关系数。

3.根据权利要求1所述的一种基于概率神经网络模型的泥石流沟堵塞程度预测方法，其特征在于，所述步骤4中，所述的训练集要求各泥石流沟堵塞程度等级的样本数量相同；所述的泥石流沟堵塞程度等级，分为轻微、中等和严重三级。

4.根据权利要求1所述的一种基于概率神经网络模型的泥石流沟堵塞程度预测方法，其特征在于，所述步骤5中，所述选择合理的径向基函数扩展速度是指通过调整径向基扩展速度值，使预测结果的准确率最高。