基于人工神经网络的延吉沟泥石流危险度评价

本文结合延吉沟地质实况,选取了纵比降、流域面积、泥石流容重、泥石流沟长、危险区域面积和黏粒含量等6个项目为影响因子,采用研究区域附近6条典型泥石流沟作为样本训练神经网络,对其可能发生的泥石流地质灾害进行危险度评价,所得结果与人工经验算法结果基本一致,表明神经网络算法是一种实用的评价方法。     

基于最优组合赋权和模糊综合评价法的杂谷脑河下游泥石流危险性评价

基于模糊集理论,综合层次分析法、熵值法的优缺点,利用最优赋权法对评价因子赋权,最大程度考虑主客观因素在权重计算中所占的比重,建立泥石流模糊综合评价模型。以杂谷脑河下游20条泥石流沟为例,选取泥石流最大冲出量、流域面积、主沟长度等7个因子构成评价集,利用模糊综合评价模型,对该区泥石流进行危险性评价。将评价结果与刘希林单沟泥石流危险性评价法比较,三岔沟和曾头沟的模糊综合评价危险等级高于单沟泥石流危险评价结果,其余泥石流沟评价结果相同。评价结果与实际情况吻合,表明利用最优组合赋权法的模糊综合评价是合理可行的。     

基于云模型对下垟山泥石流的危险性评价

【目的】为解决泥石流危险性评价过程中指标权重易受到的主观影响，以及将定性概念转化为定量描述的问题。【方法】利用python语言生成正向云发生器，选取八个评价指标构建用于泥石流危险性评价的云模型。采用层次分析法（AHP）计算出基于此八项因子的主观评价指标权重，利用变异系数法得到客观评价指标权重，再通过组合赋权，得到评价指标的组合权重。【结果】通过此正向云模型，得到浙南瑞安市湖岭镇下垟山泥石流沟为轻度危险泥石流沟。【结论】通过云模型对下垟山泥石流的定量化判定，为后续的防治提供了可靠的参考。     

泥石流活跃程度评价及治理问题讨论

根据甘肃省内50条泥石流沟的基本要素,建立了判别泥石流沟活跃程度的表达式.讨论了泥石流沟综合治理中,合理的拦挡坝总坝高,建立了泥石流沟在采取了拦挡措施后泥石流容重的估算办法.     

控制泥石流沟谷水土流失的防治工程对策

泥石流是水土流失的一种特殊形式,属最严重的水土流失类型.泥石流沟谷强烈侵蚀,致使区域生态环境逐步恶化,水土流失严重.坡面泻流、重力侵蚀和水力侵蚀是泥石流沟谷水土流失的三种基本类型;泥石流形成条件是影响流域水土流失严重程度的重要因素.应用防治工程控制泥石流沟谷的水土流失其工程效果显著.我国甘肃省武山县红峪沟及云南、四川等地泥石流防治工程实践证明,应用生物、防治工程等措施对策,可有效地减缓泥石流沟谷的水土流失.     

卓尼县城开发建设中的泥石流灾害防治

甘肃省卓尼县城长期受泥石流灾害危害,给国家财产和人民生命造成了巨大的损失,其中上卓沟泥石流灾害最为严重,该沟泥石流高易发、危害严重、危险性大,直接威胁沟口县城,曾造成了特别严重的损失.20世纪90年代以来通过对南北两山三条泥石流沟进行综合治理,取得了显著的社会效益和经济效益,为县城建设、开发奠定了基础.为甘肃省城镇建设与泥石流灾害治理积累了丰富的经验.     

甘肃省滑坡泥石流遥感调查评价

由甘肃省科学院地质自然灾害防治研究所研究员洪嘉祥等完成的<甘肃省滑坡、泥石流遥感调查评价>课题,通过广泛收集、整理我省滑坡、泥石流资料,利用卫星TM数据,结合航片和地形图,经过图像处理完成数字化地图,建立了滑坡、泥石流的遥感解释标志,判译了全省3400个滑坡和540条泥石流沟,并进行了现场实地验证和核对,基本符合实际,证明判译正确.     

基于FLO-2D的四川小金县炭厂沟危险性评价

【目的】研究炭厂沟泥石流爆发时的危险性。【方法】以炭厂沟1:5 000等高线、50年降雨数据和掩膜作为基础，结合现场勘察情况，运用FLO-2D和GIS软件，模拟炭厂沟在不同降雨频率下(10%、5%、2%和1%)泥石流的运动堆积过程。【结果】以1%降雨频率为例，模拟出的最大泥石流流速为20.97 m/s，最大泥石流流深为7.7 m，堆积面积为33 175 m²。极端危险区范围占比81.8%，具有极高的危险性。对比模拟计算流速与公式计算流速来验算精确度，结果显示可靠性高。【结论】通过选用流速和泥深作为泥石流危险度分区的定量指标，得到炭厂沟泥石流的危险性分区图，为该流域的灾害防治提供科学的参考依据。     

基于组合赋权和耦合-协同理论的油气管道泥石流灾害危险性评价研究

管道地质灾害危险性评价是管道安全运营、灾害防治的重要决策依据。目前的评价方法中,并未充分考虑灾害与管体间的互馈关系。为此,根据系统的耦合-协同理论及组合赋权思想,建立危险性评价的耦合-协同模型,对某长输天然气管道沿线发育的4处典型单沟泥石流灾害进行危险性评价,并与常规的指标评分法进行对比、验证,最终的评价结果与实际调查情况相吻合。研究结果表明:耦合-协同理论在管道泥石流灾害危险性评价中具有适用性和可推广性,可为今后管道地质灾害的相关定量化评价提供新思路。     

兰州市大洪沟地质灾害综合治理与土地开发利用可行性研究通过省计委评审

大洪沟位于兰州市城关区南缘山区,流域面积约8 km\+2.沟内山高坡陡,沟谷狭窄,黄土广布,滑坡、泥石流等地质灾害甚为发育,历史上曾多次发生过泥石流灾害,危害严重.     

基于沟道形态学变迁理论的泥石流形成影响研究——以纸坊沟流域为例

地表形态是泥石流物源启动和运动的力学基础,流域内的地形地貌特征对泥石流的发生具有重要意义.该文基于ArcGIS的水文分析法,采用2009年和2015年分辨率30×30m的纸坊沟ASTER GDEM数据,结合野外勘察,从沟道形态变化的方向研究沟道形态变迁对泥石流形成的影响.从2009年至2015年,纸坊沟流域泥石流流域面积减小0.1km~2,高差减小26 m,而平均坡度增大1.43°,平均纵坡比从38.2‰增大至39.2‰.结果表明,泥石流的爆发和远程运移受到流域形态、沟道形态和坡面形态的共同作用和影响.目前,纸坊沟处于较为稳定的发育时期,大型泥石流的暴发概率较低.     

工程建设诱发地质灾害实例分析--以兰州市打浪沟泥石流为例

引用兰州市打浪沟泥石流灾害实例,对其成因进行初步分析,揭示不规范的人为活动是导致灾害发生的主要原因,并对打浪沟泥石流进行危险性预测评估,提出防治对策建议.     

泥石流对兰成渝输油管道的危害及防治

通过对武山县响河沟流域内地形、气候、暴雨特征、岩性、土壤、泥石流及其造成的灾害状况等的调查分析,基本探索出泥石流运行轨迹即泥石流的形成区、流通区和堆积区．在此基础上,提出对泥石流沟因地制宜的实施工程布防措施,防治泥石流灾害的发生和发展,最终可达到保护管道的目的．     

基于粒子群算法优化的T-S型模糊神经网络控制器

粒子群优化(PSO)算法是一种新颖的演化算法,该算法通过粒子间的相互作用在复杂搜索空间中发现最优区域,其优势在于简单而功能强大。提出一种T-S型模糊神经网络控制器,采用PSO算法对模糊神经网络的前件参数和后件参数进行寻优,从而实现了模糊规则的自动调整、修改和完善。通过对非线性和时变被控对象的仿真研究,结果表明采用粒子群优化算法可以实现参数的全局快速寻优,而且优化后的T-S型模糊神经网络控制器能获得良好的控制性能。     

神经网络理论在FCS安全性评价中的应用研究

将神经网络理论应用于评价FCS的安全性,在标准BP网络原理基础上,提出BP网络的一种改进算法:即采用带非线性动量项自适应变步长的BP算法(NASBP),并提出一种用神经网络理论评价FCS安全性的实现方法.通过仿真验证该方法的可行性和有效性.     

基于多输出网络的无参考平面图像质量评价研究

从深度学习方向对无参考图像质量评价进行了研究,提出了一种基于多输出网络的无参考平面图像质量评价算法.该方法考虑了深度卷积神经网络在提取特征时,每一层提取的特征表示不同的抽象视觉特征,浅层网络提取纹理、区域等细节特征,深层网络提取轮廓、形状和边缘等结构特征.设计了三个输出的网络结构,该网络将浅层和深层特征分别回归到主观质...     

基于BP神经网络的串联塘水质综合评价模型

介绍BP神经网络模型的结构原理和算法,分析了在建模过程中可能出现的问题并提出了解决方案,根据国家环保总局发布的地表水环境质量标准和串联塘修复水质的实测数据,建立了具有较好泛化能力的三层BP神经网络,为评价污水净化效率及串联塘的合理规划提供了科学的依据.同时表明,由于BP神经网络模型高度非线性以及输出结果以连续函数形式表达,其对水质进行的综合评价更客观.     

基于Massflow模拟的察隅县N047泥石流运动特征研究

【目的】研究察隅县编号N047泥石流灾害的运动特征，为后续的防灾、减灾工作提供有效的参考。【方法】依据野外调查成果，采用Massflow数值仿真软件，对N047泥石流灾害进行模拟。【结果】(1)在20年一遇暴雨状况下，其运动特征为：泥石流从开始到停歇经过了“蠕动-加速-减速-停歇”的过程，导致其运动状态变化的主要因素为沟道内地形、沟形的不断变化；(2)在50年一遇与100年一遇暴雨状况下，预测的泥石流最大流速与最高泥深分别为：5.678 m/s、4.950 m及6.476 m/s、5.353 m。【结论】不同降雨频率下，该泥石流的流速、泥深及流体液面范围均与流量呈正相关的关系。     

区域滑坡泥石流触发响应机制及灾害防治启示--以甘肃中南部地区为例

以甘肃中南部地区为例,分析讨论了触发响应机制与区域滑坡泥石流活动关系,总结了有关研究进展.进一步论述了触发响应机制控制的区域滑坡泥石流活动特征.基于触发响应机制与致灾机制关系,划分了甘肃中南部滑坡泥石流触发响应类型区,最后提出相应灾害防治启示.     

汽车半主动悬架的神经网络控制

针对目前标准BP神经网络的缺点,提出基于高阶导数的多记忆BP算法,将能量函数的 阶导数与最速下降方向相结合,构造出一个新的最速下降方向,从而提高了神经网络的学习速度。证明了该算法相对于传统梯度算法的快速性,然后给出了该算法的实现方法,并进行了算例仿真。为了证明其实效性,设计了汽车半主动悬架神经网络控制器。结果证明,该算法便捷、实用、有效。