遗传算法优化的BP神经网络在地震死亡人数评估中的应用

• 作者: 冯豪 周德红 李文 程乐棋
• 来源期刊: 安全与环境学报
• 学科: 工学
• 关键词: 安全工程 地震 伤亡人数 遗传算法 BP神经网络
• 年，卷（期）: 2017,（6）
• 所属期刊栏目: 公共安全
• 页码范围: 2267-2272
• 页数: 6页
• 分类号: X913.4
• 语种: 中文
• DOI: 10.13637/j.issn.1009-6094.2017.06.043

摘要

破坏性的地震灾害作为一种突发性自然灾害,往往会在短时间内造成大量的人员伤亡和财产损失.地震发生后若能有效地预测伤亡人数,可以更科学地组织人员救灾与配置救灾物资,对于减少震后的人员伤亡具有一定的指导作用.通过我国往期的地震数据信息,分析总结出对人员伤亡数目影响较大的7个因素,分别为地震等级、地震时间、震源深度、震中烈度、抗震设防烈度、震中烈度与抗震设防烈度之差(△L)、人口密度.鉴于这7个影响因素与地震时的死亡人数呈非线性关系,选用基于遗传算法(GA)优化的BP神经网络建立地震死亡人数预测模型.针对BP神经网络的局限性,利用遗传算法全局搜索最优值的特点,对BP神经网络的权值与阀值进行优化,防止BP神经网络陷入局部最优解,并且加快神经网络收敛速度,从而提高BP神经网络的预测精度.从我国1970年至2016年之间发生的地震灾害中,选取32组造成人员伤亡的地震数据,对初始数据进行处理后,利用遗传算法优化的BP神经网络预测模型进行训练并预测.选取27组样本作为训练样本,另外5组样本作为测试样本.预测分析结果表明,遗传算法优化的BP神经网络预测死亡人数与真实死亡人数相比平均误差为9.72％,均方误差为10.41,而BP神经网络的预测死亡人数的平均误差为17.61％,均方误差为18.02,因此GA-BP神经网络结果较为理想,相比传统的BP神经网络具有更高的逼近精度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	周德红	武汉工程大学资源与土木工程学院	48	138	7.0	9.0
2	李文	武汉工程大学资源与土木工程学院	13	61	5.0	6.0
3	冯豪	武汉工程大学资源与土木工程学院	12	62	6.0	7.0
4	程乐棋		1	7	1.0	1.0