典型文献
基于GRA-PCA-BP神经网络模型的单沟泥石流危险性预测
文献摘要：
影响泥石流危险性的因素众多,难以通过传统的评价方法对单沟泥石流危险性进行准确的预测.因此,通过灰色关联度(GRA)模型剔除对泥石流危险性影响较小的评价指标,得到包含7个关键指标的样本数据集,并基于统计学理论对选取的评价指标的合理性进行解释.采用主成分分析法(PCA)从7个关键指标中提取出3个主成分,利用BP神经网络模型对处理后的训练样本进行训练,建立预测泥石流危险性的GRA-PCA-BP神经网络模型,对预测样本的泥石流危险性进行预测.结合泥石流危险性的实际等级将GRA-PCA-BP神经网络模型与BP神经网络模型、GRA-BP神经网络模型和PCA-BP神经网络模型的预测结果进行对比.结果表明:虽然GRA在一定程度上有其局限性,但是其因素约简的结果仍是真实可靠的;GRA-PCA-BP神经网络模型的泥石流危险性预测结果精度较其他3种神经网络模型有很大的提高,泥石流危险性的预测等级与实际等级基本吻合.
文献关键词：
泥石流危险性;主成分分析;灰色关联度;因素简约合理性分析;BP神经网络模型
中图分类号：
作者姓名：
刘育林;周爱红;袁颖
作者机构：
河北地质大学 勘查技术与工程学院, 河北 石家庄 050031;河北地质大学 河北省高校生态环境地质应用技术研发中心, 河北 石家庄 050031
文献出处：
引用格式：
[1]刘育林;周爱红;袁颖-.基于GRA-PCA-BP神经网络模型的单沟泥石流危险性预测)[J].河北地质大学学报,2022(04):44-51
A类：
因素简约合理性分析
B类：
GRA,泥石流危险性,危险性预测,灰色关联度,关键指标,样本数据集,统计学理论,训练样本,预测样本,约简
AB值：
0.095379
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
