張文杰

我國(guó)是世界上遭受自然災(zāi)害最為嚴(yán)重的國(guó)家之一。自20世紀(jì)80年代以來(lái)，隨著經(jīng)濟(jì)的快速發(fā)展，人類工程活動(dòng)日益頻繁，在多種自然因素及人為活動(dòng)的影響下，滑坡災(zāi)害成為各類災(zāi)害中頻率最高、危害性最強(qiáng)的地質(zhì)災(zāi)害類型之一，且有逐年加劇趨勢(shì)。因此，如何精準(zhǔn)有效地預(yù)防滑坡災(zāi)害已成為地質(zhì)災(zāi)害研究領(lǐng)域的熱點(diǎn)。

近年來(lái)，滑坡位移預(yù)測(cè)逐漸成為滑坡預(yù)警的有效手段之一，它允許研究人員在滑坡位移監(jiān)測(cè)數(shù)據(jù)分析的基礎(chǔ)上，采用相關(guān)數(shù)學(xué)模型進(jìn)行擬合，從而更加精準(zhǔn)地進(jìn)行滑坡位移預(yù)測(cè)。這種方法易于實(shí)現(xiàn)且精度較高，因此發(fā)展迅速。目前，已有很多關(guān)于滑坡位移預(yù)測(cè)的智能算法研究，如BP神經(jīng)網(wǎng)絡(luò)、支持向量機(jī)、灰色模型等。

鑒于僅通過(guò)單個(gè)模型進(jìn)行滑坡預(yù)測(cè)具有局限性，有學(xué)者嘗試將多個(gè)模型組合起來(lái)共同進(jìn)行滑坡預(yù)測(cè)，提出了混合預(yù)測(cè)法。本文則采用模擬退火算法（Simulated Annealing，SA）結(jié)合BP神經(jīng)網(wǎng)絡(luò)的混合模型對(duì)實(shí)例邊坡位移進(jìn)行預(yù)測(cè)，算例結(jié)果證明了方法的有效性。

SA-BP神經(jīng)網(wǎng)絡(luò)算法

1.SA算法

模擬退火算法最早于1953年由N. Metropolis等人提出，是一種以蒙特卡洛迭代求解策略為基礎(chǔ)的隨機(jī)尋優(yōu)算法。該方法由兩部分組成：Metropolis算法和退火過(guò)程。它的基本原理是模擬物理學(xué)中固體物質(zhì)的退火過(guò)程，當(dāng)溫度升高時(shí)，固體中的分子內(nèi)能增加，并做無(wú)序運(yùn)動(dòng)；當(dāng)溫度降低時(shí)，分子內(nèi)能隨溫度下降而減小，并逐漸趨向于有序運(yùn)動(dòng)；在任意給定的溫度條件下，固體材料內(nèi)部都能夠?qū)崿F(xiàn)熱平衡，此時(shí)可將其看作是一個(gè)局部最優(yōu)解；在最低溫度時(shí)，固體中的分子內(nèi)能最小，此時(shí)可將熱平衡視為全局最佳。

2.BP神經(jīng)網(wǎng)絡(luò)

BP神經(jīng)網(wǎng)絡(luò)是1986年由Rumelhart等人提出的一種多層前向反饋神經(jīng)網(wǎng)絡(luò)，通過(guò)模擬人類的大腦結(jié)構(gòu)與功能來(lái)處理多變量問(wèn)題，具有良好的學(xué)習(xí)能力，能夠較好地處理非線性問(wèn)題?；镜腂P神經(jīng)網(wǎng)絡(luò)是由三層拓?fù)浣Y(jié)構(gòu)組成：輸入層、隱藏層和輸出層，其結(jié)構(gòu)形式如圖1所示。

3.SA-BP神經(jīng)網(wǎng)絡(luò)算法

BP神經(jīng)網(wǎng)絡(luò)調(diào)整權(quán)值和閾值都是采用梯度下降法，容易使其陷入局部最優(yōu)且收斂速度較慢。模擬退火算法是一種新的隨機(jī)搜索方法，既能實(shí)現(xiàn)全局搜索又能進(jìn)行局部?jī)?yōu)化。借助模擬退火算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)，將梯度下降法與隨機(jī)擾動(dòng)相結(jié)合，采用一種新的方式調(diào)節(jié)權(quán)值和閾值，以達(dá)到解決BP神經(jīng)網(wǎng)絡(luò)容易陷入局部最優(yōu)、收斂慢等問(wèn)題的目的，從而實(shí)現(xiàn)滑坡位移的有效預(yù)測(cè)。其計(jì)算流程見(jiàn)圖2。

＞圖1 BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)圖

＞ 圖2 SA-BP模型流程圖

＞圖3 白水河滑坡GPS監(jiān)測(cè)點(diǎn)布置平面圖

＞ 圖4 不同模型的預(yù)測(cè)值與監(jiān)測(cè)值對(duì)比

工程實(shí)例

白水河滑坡位于三峽庫(kù)區(qū)秭歸縣境內(nèi)，距三峽大壩約56km處。滑體平均厚度約30m，南北方向長(zhǎng)約600m，東西方向?qū)捈s700m，體積約為1260×104m3。該滑坡體為特大型老滑坡松散堆積體，出露地層為下侏羅統(tǒng)香溪群中厚層狀砂巖夾、薄層狀泥巖；滑坡后沿高程為410m，以巖土邊界為界，其前沿高程約為70m，現(xiàn)已沒(méi)入庫(kù)水位以下，東西兩側(cè)以基巖山脊為界，總體坡度約30°；滑坡滑體主要由崩、坡積物及滑坡堆積物組成，滑帶以含碎石或含角礫粉質(zhì)黏土為主。自2003年三峽工程蓄水以來(lái)，相關(guān)單位對(duì)其進(jìn)行了專業(yè)監(jiān)測(cè)，GPS監(jiān)測(cè)點(diǎn)布置如圖3所示。

2007年1月至2012年12月，ZG118站點(diǎn)監(jiān)測(cè)到的水平累計(jì)位移、水位和降雨量數(shù)據(jù)，水庫(kù)水位和降雨量變化是導(dǎo)致白水河滑坡的主要破壞因素。

選擇監(jiān)測(cè)點(diǎn)ZG118的水平累計(jì)位移為研究對(duì)象，取2007年1月至2012年1月的數(shù)據(jù)作為預(yù)測(cè)模型的訓(xùn)練樣本集，2012年2月至2012年12月的數(shù)據(jù)作為預(yù)測(cè)檢驗(yàn)集。

取單月平均降雨量為降雨因子；月均水位為水位因子；時(shí)間函數(shù)t為時(shí)效因子。將3個(gè)影響因子作為輸入，累計(jì)位移作為輸出，進(jìn)行基于SA-BP神經(jīng)網(wǎng)絡(luò)的滑坡位移預(yù)測(cè)分析。

將SA-BP神經(jīng)網(wǎng)絡(luò)模型與BP神經(jīng)網(wǎng)絡(luò)模型作對(duì)比，滑坡位移預(yù)測(cè)與監(jiān)測(cè)值如圖4所示。

綜合上述分析可知，SA-BP神經(jīng)網(wǎng)絡(luò)模型對(duì)白水河滑坡的位移預(yù)測(cè)效果比BP模型要好，其誤差值更低，精度更高。

結(jié) 論

本文結(jié)合SA算法和BP神經(jīng)網(wǎng)絡(luò)，建立基于SA算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)的滑坡位移預(yù)測(cè)模型。通過(guò)SA算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)的初始連接權(quán)值和閾值，尋找BP神經(jīng)網(wǎng)絡(luò)的全局最優(yōu)權(quán)值和閾值。將所建立的滑坡位移預(yù)測(cè)模型和傳統(tǒng)BP神經(jīng)網(wǎng)絡(luò)模型分別應(yīng)用于工程實(shí)例中，結(jié)果表明SA-BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)邊坡位移誤差較小，具有更高的精度。