[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

说明书

本发明涉及泥石流防治工程技术领域，提供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，首先搜集泥石流沟地质资料，依据实际的泥石流发育特征初选影响泥石流沟堵塞程度指标；然后对指标进行量化；利用极大不相关法进行指标筛选，计算指标间的复相关系数，确定出筛选后的指标体系；利用指标筛选后的样本提取训练集与测试集，进行概率神经网络训练，建立概率神经网络模型；最后利用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。本发明能够客观地考虑泥石流沟堵塞程度的影响因素，并利用极大不相关法剔除无效指标，以此建立概率神经网络预测模型，可有效提高预测的准确性。

技术领域

本发明涉及泥石流防治工程技术领域，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。

在进行泥石流隐患的排查和危险性评价时，不仅要分析泥石流暴发造成的直接威胁和危害，还应关注泥石流灾害链效应造成的间接威胁和危害，泥石流沟堵塞程度的合理预测是防灾减灾工作的基础。

《泥石流灾害防治工程勘查规范》(T/CAGHP 006-2018)中J.9、J.10均适用于黏性阵流堵塞系数的估算，但由于泥石流沟堵塞原因复杂，堵塞时间和泥石流流量并非决定阻塞程度的全部因素，并且泥石流暴发时的实测堵塞时间及泥石流流量等参数很难准确获得，因此，估算方法需要改进；刘翠容、姚令侃等《震后灾区泥石流阻塞大河判据与成灾模式试验研究》根据模型试验数据导出了堵塞系数的对数函数表达式，作为泥石流局部阻塞大河的判据；刘翠容、姚令侃《泥石流堵塞大河的特点及异岸受灾判据研究》研究了典型堵河事件，提出了泥石流堵塞大河的特点，运用数值模拟方法分析主河在不同堵塞系数时的水流流场，基于信息熵原理分析主河流场有序度，得出堵塞系数作为泥石流局部堵河异岸受灾判据；党超、程尊兰等《泥石流堵塞主河条件》分析了泥石流堵河的主要影响因素，通过对主要因素的分析和对比，将其简化为无量纲量并进行了系列泥石流堵塞主河试验，得出无量纲化的泥石流堵塞主河的临界条件，用该堵塞主河的条件能正确判断许多原型泥石流堵塞主河事件。但是已有的文献对现有的泥石流沟堵塞程度的计算和预测都受限于泥石流的类型，很难应用于不同地区、不同类型的泥石流沟。因此，针对进行泥石流沟堵塞程度的预测需要，建立一种考虑实际多因素影响下的泥石流沟堵塞程度预测模型是必要的。

发明内容

针对现有方法存在的问题，本发明提供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，考虑不同指标的影响，过程简便。

本发明的技术方案为：

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

（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）