基于SSA-Adam-BP神经网络模型的堰塞坝稳定性预测

• 作者: 宋宜祥 张晓波 黄达
• 来源期刊: 地质科技通报
• 学科: 地球科学
• 关键词: 堰塞坝稳定性 机器学习 稳定性预测 BP神经网络 SSA优化算法
• 年，卷（期）: 2022,（2）
• 所属期刊栏目: “地灾失稳机制及其风险评价”专辑
• 页码范围: 130-138
• 页数: 9页
• 分类号: P642.2
• 语种: 中文
• DOI: 10.19509/j.cnki.dzkq.2022.0040

摘要

现有的堰塞坝稳定性预测模型多为线性模型,无法充分考虑堰塞坝稳定性与其形态特征和水域条件之间的复杂非线性关系.鉴于此,结合反向传播神经网络模型和樽海鞘优化算法,提出了一种新型的堰塞坝稳定性预测模型SSA-Adam-BP.该模型通过网格搜索法选取确定模型结构的最佳超参数组合,进而利用交叉验证和绘制ROC曲线的方式分别对采用不同优化算法的模型进行评估.使用开源数据库中的全球153例堰塞坝数据对模型的实际应用进行了说明及验证.与传统线性模型的对比表明神经网络模型预测准确率较高,具有较低的误报率.将SSA与Adam优化算法结合提高了 BP模型的全局搜索能力,其平均交叉验证准确率达到了 91.73％,能够使用较少的参数实现对堰塞坝稳定性快速准确的预测.SSA-Adam-BP模型对近年来典型工程的稳定性能够准确预测,具有一定的实用性和系统平台推广应用价值.