不确定遗传神经网络在滑坡危险性预测中的研究与应用

• 作者: 刘卫明 周昭飞 毛伊敏 高晓东
• 来源期刊: 计算机工程
• 学科: 工学
• 关键词: 不确定数据 滑坡 遗传算法 反向传播神经网络 危险性预测
• 年，卷（期）: 2017,（2）
• 所属期刊栏目: 开发研究与工程应用
• 页码范围: 308-316
• 页数: 9页
• 分类号: TP393.08
• 字数: 8365字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-3428.2017.02.052

摘要

针对滑坡危险性预测中降雨等不确定因素难以获取,以及有效处理和标准反向传播算法存在局部极小值和训练速度慢等问题,为提高滑坡危险性的预测精度,提出一种不确定遗传神经网络滑坡预测方法.基于改进遗传算法和反向传播神经网络分类算法,结合滑坡灾害预测相关理论,考虑到与滑坡灾害密切相关的降雨等不确定因素,给出不确定数据分离度的概念,阐述不确定属性数据的处理方法,构建不确定遗传神经网络,建立滑坡灾害预测模型,以延安宝塔区为例进行验证.实验结果显示,该方法的有效精度和总体精度分别为92.1％和86.7％,验证了不确定遗传神经网络算法在滑坡灾害预测中的可行性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	毛伊敏	江西理工大学信息工程学院	48	203	8.0	12.0
5	周昭飞	江西理工大学信息工程学院	2	15	2.0	2.0
6	高晓东	江西理工大学信息工程学院	2	15	2.0	2.0
7	刘卫明	江西理工大学信息工程学院	23	111	6.0	9.0