TOPSIS结合优化的BP-DS模型在滑坡预警中的应用

李枫林,陈华民,童仁园,李 青

(1.中国计量大学 机电工程学院,浙江 杭州 310018;2.金华市地质环境监测站,浙江 金华 321000)

滑坡是自然界常见的地质灾害,其危害巨大,会对人类的生命和财产造成巨大的损失。据统计,中国每年因滑坡造成的损失高达180亿元以上。

随着传感器技术、无线通讯技术、计算机技术的不断发展,滑坡监测预警也进入了自动化阶段[1]。滑坡的孕育和发展是一个复杂、动态、开放的过程。在整个演化的过程中不仅受到各种环境因素的影响,还会表现出各种物理信息,例如各个滑带位移的变化,岩土体内部应力的变化。这些信息对滑坡的监测预警都有着不可忽视的作用。

多传感器信息融合的一般定义为:将来自多个传感器或多源信息综合处理,得到更加准确可靠的结论[2]。近些年来,多传感器信息融合技术在滑坡监测预警取得了一些成果。例如,刘星洪等利用信息融合技术检测滑坡位置,更加准确地对滑坡的具体位置进行判断[3]。樊俊青用逐步回归分析法将滑坡影响因子与位移建立关系模型,提高了传感器监测数据的可靠性[4]。王智伟运用BP神经网络,建立多种环境因子与滑坡位移之间的映射关系,提高了位移预测的精度[2]。朱自强通过自适应Kalman算法对滑坡稳定状态和趋势作出更准确的分析[5]。

本文首先对滑坡数据分析,应用TOPSIS法对滑坡进行危险度划分,将滑坡分为低危险、中危险、高危险三种状态。然后,通过海鸥算法(SOA)优化后的SOA-BP神经网络模型训练预测,对滑坡危险状态进行初步判断。……