10.13937/j.cnki.hbdzdxxb.2023.01.008
基于PCA-BP的地裂缝危险性预测
为了更准确地对地裂缝的危险性进行预测,以苏锡常地区地裂缝为例,构建主成分分析(PCA)-BP神经网络模型.利用主成分分析法五个影响地裂缝危险性的指标进行分析,包括导水系数、地下水位、黏性土层厚度、基岩埋深以及基岩起伏程度.通过线性变换排除这些影响因素之间的相关性,并利用各主成分的贡献率对分析后的主成分进行筛选,得到三个主成分指标.对三个主成分进行全新解释:其中,第一主成分主要反应工程水文地质对地裂缝危险性的影响,第二主成分主要反应基岩起伏程度,第三主成分主要反应基岩埋深情况;利用BP神经网络对地裂缝的危险性进行预测.结果表明,PCA-BP神经网络模型对地裂缝危险性的预测效果相较BP神经网络更与实际吻合.PCA-BP神经网络模型可以作为一种对苏锡常地区地裂缝危险性预测的手段;全面细致地进行了主成分分析与BP神经网络在实际应用时的建模过程与结果分析,为PCA-BP神经网络模型的实际工程应用提供了一个有效参考.
地裂缝、危险性预测、主成分分析、BP神经网络
46
P315(大地（岩石界）物理学（固体地球物理学）)
国家自然科学基金;河北省自然科学基金;河北省教育厅青年基金项目;河北地质大学科技创新团队项目
2023-04-23（万方平台首次上网日期，不代表论文的发表时间）
共7页
53-59
