基于3s的人工神經網絡模型在地質災害危險性評價中的應用

宋雨漾

摘要：文章通過3s技術手段和人工神經網絡模型對臥龍大熊貓自然保護區進行了地質災害危險性評價。包括通過遙感技術獲取研究區域的遙感圖像，并對圖像進行專業的處理以及人工交互解譯。利用GIS手段對遙感數據以及基礎地理數據進行空間分析。最后以臥龍大熊貓自然保護區為例，運用Matlab軟件，調用newff命令建立基于BP人工神經網絡的地質災害危險性評價模型，得到臥龍大熊貓自然保護區危險性評價區劃圖。結果證明BP人工神經網絡模型應用于臥龍大熊貓自然保護區的危險}生評價是較為理想的方法之一。

關鍵詞：地質災害；3s技術；BP人工神經網絡；臥龍自然保護區

13s技術

1.1遙感圖像獲取與預處理

20世紀后20年遙感技術在地質災害調查技術方面發展突飛猛進。遙感技術具有快速、全面、非接觸、高時效、高性價比獲取地表信息的特點，對區域性地質災害進行宏觀地動態解譯，達到對區域性地質災害分布、規模的定量認識。在地質災害調查中，遙感技術已經成為重要手段之一。本文對獲取的landsat8 ETM+圖像進行了幾何校正、波段組合、圖像融合、圖像增強等處理。處理后的圖像更利于有用信息的提取與地質災害的解譯。

1.2遙感影像地質災害解譯

文章采取人機交互解譯方式對預處理后的遙感圖像進行地質災害解譯。在進行地質災害解譯前，建立地質災害解譯標志是必不可少的步驟之一。文章根據地質災害在圖像上的特征建立滑坡、泥石流、崩塌的解譯標志，并對臥龍大熊貓自然保護區的地質災害進行解譯。

1.3GIS空間分析

除了遙感圖像中提取的信息外，還需要對數據進行進一步的處理與空間分析。文章利用GIS的空間分析功能提取坡度、坡向、河流、道路等信息。并對這些數據進行重分類、緩沖區建立等，為建立人工神經網絡模型提供有效的基本要素。

2人工神經網絡模型

2.1BP神經網絡基本原理

人工神經網絡（Artificial NeuralNetworks，ANN）是一種以模仿人腦由大量神經元相互連接形成的網絡結構。本文采用BP神經網絡模型。BP神經網絡模型是一種有導師的前饋神經網絡，通過調節網絡模型中各層之間的連接權值與閾值訓練網絡，以使預期值不斷逼近期望值的過程。

2.2地質災害危險性評價模型

本文采用高程、坡度、坡向、水系、道路、巖性因子建立地質災害危險性評價模型。

3實例一臥龍地區地質災害危險性評價

3.1評價單元劃分

本文采用網格法進行單元劃分，網格大小為1km×1km，共3402個網格，除去沒有研究屬性的網格，共對2173個評價單元進行評價。

3.2神經網絡的建立與訓練

利用Maflab軟件，調用mapminmax函數，對各項數據進行歸一化處理。調用newff命令創建地質災害危險性評價神經網絡。在調用train命令對網絡進行訓練。

3.3評價結果分析

臥龍自然保護區地質災中度危險區主要沿著皮條河兩岸分布，區域內主要發生一些小型崩塌、滑坡、泥石流。地質災害重度危險區主要沿著漁子河兩岸分布，泥石流、崩塌經常發生。endprint