学位论文 > 优秀研究生学位论文题录展示

基于神经网络和遗传算法的水库诱发地震危险性评价研究

作　者: 刘素彦
导　师: 张秋文
学　校: 华中科技大学
专　业: 水利水电工程
关键词: 水库诱发地震地震危险性评价 BP神经网络遗传算法 MATLAB 编码方案
分类号: TV697.24
类　型: 硕士论文
年　份: 2011年
下　载: 72次
引　用: 1次
阅　读: 论文下载

内容摘要

水利工程的不断建设,在给人类带来诸多益处的同时,也带来了不容忽视的负面影响,尤其是水库的建成,有时会改变库区荷载,产生地应力改变,从而引发水库诱发地震。尽管水库诱发地震的概率不大,但是已发水库地震对人类造成的生命和财产的损失却是沉重的。为了能减少这种损失国内外学者很早就开始了对水库诱发地震特点、机理和诱震条件的研究。这些研究对以后水库诱发地震的预测提供了坚实的基础,从一开始的地质类比法、成因分析法等到后来的概率统计法、模式识别法等等都在一定程度上对水库诱发地震危险性评价做出了贡献,但是由于水库诱发地震的成因条件之间的关系及其成因条件与诱发震级之间的关系非常复杂,仅用上面的方法并不能形象描述它们之间的非线性关系。基于现在对诱震条件研究的知识有限,只能在预测方法上力求改进,考虑到近些年飞速发展的神经网络算法,尤其是BP神经网络,它具有很强的非线性处理能力,体现了人工神经网络最精华的部分,用它来预测水库诱发地震不失为一个可行的办法,但又由于BP神经网络本身具有易陷入局部最小点的缺点,本文再结合具有很强的全局搜索能力的遗传算法来优化神经网络的权值和阈值,最后在MATLAB平台上建立水库诱发地震遗传算法/神经网络危险性评价模型。通过三峡库区及其周缘地区诱震资料的实例应用之后表明,水库诱发地震诱震条件不同的编码方案应用到已建立的BP神经网络模型时,预测性能大有差别,通过比选可知,编码为二进制且各因子之间有一定间隔的顺序增加编码方案的预测性能最佳。但由于BP神经网络随机性强因而导致预测结果稳定性不够,在此基础上用遗传算法对其权阈值进行优化后再预测,结果表明无论从精度上,稳定性上还是效率上都比单纯的BP神经网络模型好。

全文目录

摘要  4-5
Abstract  5-9
1 绪论  9-17
  1.1 研究背景和意义  9-10
  1.2 国内外研究历史和现状  10-13
  1.3 本文研究目标和研究思路  13-15
  1.4 本文的章节安排  15-17
2 基于BP 神经网络和遗传算法的水库诱发地震模型构建  17-41
  2.1 水库诱发地震的基本特点和成因机理  18-22
  2.2 神经网络基本原理  22-27
  2.3 遗传算法基本原理  27-31
  2.4 水库诱发地震的BPANN 模型构建.  31-36
  2.5 遗传算法优化神经网络模型构建  36-39
  2.6 本章小结  39-41
3 应用实例及结果分析  41-62
  3.1 水库诱发地震预测模型  41-45
  3.2 水库诱发地震BPANN 算法实现  45-55
  3.3 遗传算法优化神经网络算法实现  55-60
  3.4 BPANN 和GA-BPANN 结果比较分析  60-61
  3.5 本章小结  61-62
4 总结与展望  62-66
  4.1 主要内容和结论  62-64
  4.2 论文的特色  64
  4.3 存在的问题与展望  64-66
致谢  66-67
参考文献  67-70

基于神经网络和遗传算法的水库诱发地震危险性评价研究

内容摘要

全文目录

相似论文