文献类型：期刊文章

作　　者：袁颖[1,2] 宁志杰[1] 周爱红[1,2] 黄虎城[3]

YUAN Ying;NING Zhijie;ZHOU Aihong;HUANG Hucheng(School of Prospecting Technology and Engineering,Hebei GEO University,Shijiazhuang 050031,China;Hebei Center for Ecological and Environmental Geology Research,Shijiazhuang 050031,China;Geological Survey Institute of Shanxi Province,Taiyuan 030006,China)

机构地区：[1]河北地质大学勘查技术与工程学院,河北石家庄050031 [2]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 [3]山西省地质调查院,山西太原030006

出　　处：《自然灾害学报》

基　　金：国家自然科学基金资助项目(41807231);河北省自然科学基金项目(D2019403182);山西省国土资源厅省级地质勘查项目(SXZDF20170820)。

年　　份：2020

卷　　号：29

期　　号：5

起止页码：150-160

语　　种：中文

收录情况：BDHX、BDHX2017、CSCD、CSCD2019_2020、GEOBASE、IC、JST、SCOPUS、ZGKJHX、核心刊

摘　　要：灰色关联度(GRA)、粗糙集(RS)和主成分分析(PCA)方法是目前在边坡稳定性预测模型研究领域中较为常用的评价指标处理方法,但不同处理方法的特征及适用性仍然不是很明确。本文以BP神经网络岩质边坡模型为例,采用上述3种方法及其组合方法对影响边坡稳定的11个评价指标进行处理获得关键指标,进而建立边坡稳定性预测模型。通过系统分析模型预测效果的差异,深入探讨不同处理方法的特征和适用性。结果表明:不同的处理方法有自身的特征及适用性,需要以评价指标间和评价指标与评价结果间相关关系的差异确定选择哪种评价指标处理方法;不同处理方法的组合对模型预测效果的影响与处理方法自身特征有较大的关系,只有充分发挥不同处理方法的固有特征时,才能显著提高边坡稳定性预测模型的精度。

关 键 词：灰色关联度  粗糙集 主成分分析 BP神经网络模型 关键指标  

分 类 号：P542] X43[地质学类;地质类]