嵐皋縣地質(zhì)災(zāi)害細(xì)網(wǎng)格預(yù)警模型及應(yīng)用?

楊 昆 朱志祥

（西安郵電大學(xué)物聯(lián)網(wǎng)與兩化融合研究院 西安 710061）

1 引言

陜西省嵐皋縣位于陜南秦巴山區(qū)，由于復(fù)雜的地形地貌，多變的氣候以及近些年人類對固有生態(tài)環(huán)境的不合理開發(fā)等因素的影響，導(dǎo)致地質(zhì)災(zāi)害發(fā)生次數(shù)較多。根據(jù)當(dāng)?shù)氐恼{(diào)查統(tǒng)計(jì)顯示，近幾年，在嵐皋縣所發(fā)生的地質(zhì)災(zāi)害中，影響較大且發(fā)生較頻繁的分別為滑坡、崩塌和泥石流并且由于該地區(qū)地形多數(shù)以山為主，地質(zhì)災(zāi)害發(fā)生一般具有爆發(fā)快、破壞性強(qiáng)，分布面積廣及治理難度大等特點(diǎn)對當(dāng)?shù)厝嗣竦纳?cái)產(chǎn)造成了嚴(yán)重的損失［1］。因此，進(jìn)行該地區(qū)地質(zhì)災(zāi)害預(yù)警研究具有深遠(yuǎn)的意義。

從20世紀(jì)90年代開始，地質(zhì)災(zāi)害預(yù)警在國內(nèi)外就逐漸受到重視和關(guān)注［2］，在理論和技術(shù)上都有明顯的改變，即引入了GIS、GPS、RS等技術(shù)，也運(yùn)用了數(shù)學(xué)、力學(xué)以及非線性科學(xué)等理論知識(shí)，在地質(zhì)災(zāi)害預(yù)警方法上使用較多的是隱、顯式統(tǒng)計(jì)預(yù)報(bào)、非線性系統(tǒng)理論預(yù)報(bào)、動(dòng)力預(yù)報(bào)等［3～5，11］。人工神經(jīng)網(wǎng)絡(luò)（Artificial Neural Network，ANN）［6～8］是一種建立在生物神經(jīng)網(wǎng)絡(luò)上且參考其形成機(jī)理而產(chǎn)生的系統(tǒng)，它最重要的特點(diǎn)就是能以非線性并行處理方式來處理現(xiàn)實(shí)中模糊、復(fù)雜、隨機(jī)性強(qiáng)且數(shù)據(jù)量大的信息，所以長期以來在自然科學(xué)等領(lǐng)域受到了廣泛的應(yīng)用［9］。

本文以人工神經(jīng)網(wǎng)絡(luò)理論為基礎(chǔ)，就陜西省嵐皋縣地質(zhì)災(zāi)害發(fā)生的特點(diǎn)，采集并分析有關(guān)地質(zhì)災(zāi)害發(fā)生的地質(zhì)地貌信息以及降雨量信息，建立了陜西省嵐皋縣地質(zhì)災(zāi)害預(yù)警的BP（Back Propagation，反向傳播）神經(jīng)網(wǎng)絡(luò)細(xì)網(wǎng)格模型，并對該模型預(yù)測的結(jié)果進(jìn)行了驗(yàn)證。

2 BP神經(jīng)網(wǎng)絡(luò)模型及原理

2.1 BP神經(jīng)網(wǎng)絡(luò)模型

BP神經(jīng)網(wǎng)絡(luò)即反向傳播神經(jīng)網(wǎng)絡(luò)，屬于人工神經(jīng)網(wǎng)絡(luò)的前向型網(wǎng)絡(luò)，是目前應(yīng)用最廣泛，效果最好的網(wǎng)絡(luò)模型［10～12］。BP網(wǎng)絡(luò)的結(jié)構(gòu)既有復(fù)雜的也有簡單的，對于較為簡單的網(wǎng)絡(luò)結(jié)構(gòu)一般都是只有一個(gè)中間層外加輸入、輸出層所構(gòu)成，而對于復(fù)雜的網(wǎng)絡(luò)結(jié)構(gòu)基本都是有兩個(gè)以上的中間層外加輸入、輸出層所構(gòu)成，并且無論是復(fù)雜的還是簡單的網(wǎng)絡(luò)，它們相鄰層的各神經(jīng)元都是相接在一起的，但是每層的各神經(jīng)元是間斷的，如圖1所示。

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

圖1中x1(k)到xn(k)表示網(wǎng)絡(luò)輸入層每個(gè)元素的輸入，y1到 yq表示輸出層每個(gè)元素的輸出，wih表示網(wǎng)絡(luò)輸入層的每個(gè)元素和網(wǎng)絡(luò)中間層的每個(gè)元素之間的連接權(quán)值，who表示網(wǎng)絡(luò)中間層的每個(gè)元素與網(wǎng)絡(luò)輸出層的每個(gè)元素之間的連接權(quán)值。

2.2 BP神經(jīng)網(wǎng)絡(luò)原理

BP神經(jīng)網(wǎng)絡(luò)的使用并不復(fù)雜，基本都是對網(wǎng)絡(luò)進(jìn)行反復(fù)訓(xùn)練后，再根據(jù)現(xiàn)有的數(shù)據(jù)對未來的情況經(jīng)行預(yù)測。在網(wǎng)絡(luò)的訓(xùn)練期，主要包括兩個(gè)過程：1）信號(hào)的前向傳播，網(wǎng)絡(luò)的輸入層各個(gè)元素得到數(shù)據(jù)進(jìn)行處理后傳送到中間層，中間層將接收的數(shù)據(jù)利用激勵(lì)函數(shù)進(jìn)行轉(zhuǎn)換并傳到輸出層，最后在輸出層得到第一個(gè)過程的運(yùn)行結(jié)果。2）誤差的反向傳播，當(dāng)前向傳播的輸出誤差大于允許誤差時(shí)，就會(huì)進(jìn)行此過程。該過程主要是將前向傳播的輸出誤差逆向傳送給網(wǎng)絡(luò)各個(gè)層的元素，并對各個(gè)層之間的連接權(quán)值進(jìn)行修正直到滿足事先所設(shè)置的誤差要求即可［13］。在工作期，只需對已學(xué)習(xí)的網(wǎng)絡(luò)輸入一個(gè)信號(hào)就可以得到一個(gè)對應(yīng)的預(yù)測或聯(lián)想結(jié)果。

2.2.1 神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)原理

由BP神經(jīng)網(wǎng)絡(luò)的組成元素可以得到，要構(gòu)建一個(gè)網(wǎng)絡(luò)最關(guān)鍵的地方就是要得到網(wǎng)絡(luò)每個(gè)層中的元素和網(wǎng)絡(luò)中間層的個(gè)數(shù)。網(wǎng)絡(luò)中間層個(gè)數(shù)的確定。在一般情況下，如果該函數(shù)在閉區(qū)間內(nèi)是連續(xù)的，那么使用只含有一個(gè)中間層的網(wǎng)絡(luò)就可以滿足需求。對于各層神經(jīng)元個(gè)數(shù)的確定，輸入層神經(jīng)元個(gè)數(shù)和輸出層神經(jīng)元個(gè)數(shù)都是根據(jù)具體應(yīng)用時(shí)輸入到網(wǎng)絡(luò)中的樣本數(shù)據(jù)數(shù)量以及想要得到的結(jié)果來確定的，隱含層神經(jīng)元個(gè)數(shù)的確定目前主要采取的是反復(fù)訓(xùn)練網(wǎng)絡(luò)與逐步修剪法［14］結(jié)合的方式。

2.2.2 神經(jīng)網(wǎng)絡(luò)算法原理

BP神經(jīng)網(wǎng)絡(luò)算法的實(shí)現(xiàn)過程可分為以下的幾個(gè)步驟［15～16］：

首先假設(shè)有一個(gè)n-p-q結(jié)構(gòu)的BP神經(jīng)網(wǎng)絡(luò)，它的輸入向量為x1(k)，x2(k)，x3(k)…xn(k)；輸出向量為 y1，y2，y3…yq；輸入層和中間層之間的權(quán)值為wih；中間層和輸出層之間的權(quán)值為who；隱含層與輸出層各神經(jīng)元的閾值分為bh和bo。

1）網(wǎng)絡(luò)初始化

對權(quán)值 who和 who，閾值 bh和閾值 bo在［-1，1］之間各自分別隨機(jī)取一個(gè)不為0的實(shí)數(shù)作為網(wǎng)絡(luò)初始值并且選定一個(gè)初始的學(xué)習(xí)速率η和隱含層與輸出層各神經(jīng)元的激活函數(shù) f(s)，給定計(jì)算精度值ε。

2）隱含層輸入hih(k)計(jì)算

由 xn(k)，wih，bh得到 hih(k)。

其中，i=1，2，3…n，h=1，2，3…p。

3）隱含層輸出hoh(k)計(jì)算

由hih(k)和f得到hoh(k)。

其中，i=1，2，3…n，h=1，2，3…p ，f為隱含層各神經(jīng)元的激活函數(shù)，對于處理連續(xù)的非線性問題常使用的是S函數(shù)型。在此，也采用的這個(gè)函數(shù)，即

4）輸出層輸入 yio(k)計(jì)算

由 hoh(k)，who，bo得到 yio(k)。

其中，h=1，2，3…p，o=1，2，3…q。

5）輸出層輸出 yo0(k)計(jì)算

由 yio(k)和f得到 yo0(k)。

其中，f為輸出層各神經(jīng)元的激活函數(shù)，采用了S函數(shù)型，h=1，2，3…p，o=1，2，3…q。

6）誤差計(jì)算

誤差e的來源主要是由于網(wǎng)絡(luò)的輸出和實(shí)際的結(jié)果數(shù)據(jù)存在差異，可由網(wǎng)絡(luò)實(shí)際的輸出yo0()k與期望的輸出d0(k)得到。

其中，o=1，2，3…q。

7）權(quán)值更新

將6）中得到的輸出誤差e沿網(wǎng)絡(luò)的逆向傳送給各層的所有神經(jīng)元來獲得它們各自的誤差并以此修正權(quán)值wih和who。

其中，η為學(xué)習(xí)速率，o=1，2，3…q，i=1，2，3…n，h=1，2，3…p。

8）閾值更新

由6）中得到的網(wǎng)路輸出誤差e來更新閾值bh和bo。

其中，η為學(xué)習(xí)速率，o=1，2，3…q。

9）學(xué)習(xí)次數(shù)更新。將學(xué)習(xí)次數(shù)增加一次并且與預(yù)設(shè)的最大次數(shù)進(jìn)行比較。

10）判斷誤差是否達(dá)到要求，如果達(dá)到，則整個(gè)過程結(jié)束，否則轉(zhuǎn)到2）繼續(xù)下一輪的學(xué)習(xí)。

2.2.3 實(shí)際輸入值的歸一化處理

為了便于網(wǎng)絡(luò)更好地訓(xùn)練數(shù)量級(jí)不同的樣本數(shù)據(jù)，在此需對網(wǎng)絡(luò)的原始數(shù)據(jù)做歸一化處理以便能更好地對網(wǎng)絡(luò)進(jìn)行訓(xùn)練［17］。然而由于輸出層與中間層各神經(jīng)元的激勵(lì)函數(shù)為S函數(shù)，所以它的輸出值在0到1之間，因此需將實(shí)際輸入的樣本值也歸一化到0到1之間。又因?yàn)?和1是Sigmoid函數(shù)輸出值的最小值和最大值，所以不適合作為輸入值來使用，因此將實(shí)際輸入的樣本值歸一化到0.1到0.9之間較合適，可通過以下公式對數(shù)據(jù)經(jīng)行處理。

其中，g(x)為歸一化后的樣本值，x為實(shí)際輸入的樣本值，xmax和xmin分別為實(shí)際輸入的樣本值的最大值和最小值。

3 地質(zhì)災(zāi)害易發(fā)分析及評(píng)價(jià)指標(biāo)體系

3.1 嵐皋縣地質(zhì)災(zāi)害易發(fā)分析

大量的研究表明［18］，導(dǎo)致地質(zhì)災(zāi)害發(fā)生的要素是多樣的既包含內(nèi)在的也包含外在的。就內(nèi)在的要素而言，它們基本都是與地質(zhì)環(huán)境相關(guān)的，比如：地形地貌、地面坡度等，而外在的要素大多與氣候和人類有關(guān)，有降雨量、人類改造自然的活動(dòng)等。嵐皋縣由于地理環(huán)境復(fù)雜多變，在縣城地帶有一小區(qū)域的河谷階地外，大多是山地且山較高，坡形較陡峭，易滑地層較廣，又由于該地的氣候比較特殊，降水較豐沛特別是在每年的6、7、8和9月份持續(xù)的降雨使得山坡的巖土體軟化在重力的作用下導(dǎo)致滑坡災(zāi)害的發(fā)生，在較深的山谷中則會(huì)發(fā)生泥石流等災(zāi)害。通過長期的觀察和分析發(fā)現(xiàn)當(dāng)?shù)氐刭|(zhì)災(zāi)害發(fā)生的最直接的原因?yàn)橥庠诘慕涤暌蛩亍?/p>

3.2 評(píng)價(jià)指標(biāo)體系

地質(zhì)災(zāi)害的發(fā)生是由多種因素綜合而形成的，要對地質(zhì)災(zāi)害的發(fā)生情況進(jìn)行評(píng)價(jià)，就得了解形成這些地質(zhì)災(zāi)害的每一個(gè)細(xì)小因子。這些因子主要包含有地質(zhì)環(huán)境、氣象信息等，將它們進(jìn)行結(jié)合建立評(píng)價(jià)指標(biāo)體系用于地質(zhì)災(zāi)害的發(fā)生可能性大小的評(píng)價(jià)。

根據(jù)《國土資源部與中國氣象局關(guān)于聯(lián)合開展地質(zhì)災(zāi)害氣象預(yù)警工作協(xié)議》的規(guī)定，地質(zhì)災(zāi)害氣象預(yù)報(bào)預(yù)警級(jí)別分為五個(gè)級(jí)別，如表1所示。

表1 地質(zhì)災(zāi)害氣象預(yù)報(bào)預(yù)警等級(jí)劃分表

根據(jù)評(píng)價(jià)區(qū)的地質(zhì)環(huán)境因素分析獲得該地區(qū)地質(zhì)災(zāi)害危險(xiǎn)性概率和從氣象部門獲得的該地未來二十四小時(shí)降雨量信息并結(jié)合前期的實(shí)際降雨量，利用地質(zhì)災(zāi)害預(yù)警的BP神經(jīng)網(wǎng)絡(luò)細(xì)網(wǎng)格模型來對評(píng)價(jià)區(qū)地質(zhì)災(zāi)害發(fā)生的等級(jí)進(jìn)行預(yù)測，經(jīng)專家會(huì)商后確定最終災(zāi)害等級(jí)并運(yùn)用GIS技術(shù)以及通信設(shè)備進(jìn)行詳細(xì)的預(yù)警信息發(fā)布［19］。

4 嵐皋縣地質(zhì)災(zāi)害細(xì)網(wǎng)格預(yù)警模型的建立和應(yīng)用

4.1 嵐皋縣地質(zhì)災(zāi)害概況

根據(jù)《嵐皋縣2017年地質(zhì)災(zāi)害防治方案》截至2016年12月，全縣共有地質(zhì)災(zāi)害隱患點(diǎn)271處，直接威脅人口5255人，地質(zhì)災(zāi)害類型以滑坡為主，達(dá)到244處，占地質(zhì)災(zāi)害隱患點(diǎn)總數(shù)90.04%；其次為泥石流，共24處，占地質(zhì)災(zāi)害隱患點(diǎn)總數(shù)8.85%；崩塌3處，占地質(zhì)災(zāi)害隱患點(diǎn)總數(shù)1.11%，如圖2，3所示。

圖2 嵐皋縣各種地質(zhì)災(zāi)害比例圖

圖3 嵐皋縣各種地質(zhì)災(zāi)害數(shù)量

嵐皋縣12個(gè)鎮(zhèn)基本都存在不同程度的地質(zhì)災(zāi)害，但是由于嵐河、大道河以及橫溪河等的影響使得城關(guān)鎮(zhèn)、民主鎮(zhèn)、佐龍鎮(zhèn)、石門鎮(zhèn)災(zāi)情較嚴(yán)重，總計(jì)有災(zāi)害點(diǎn)130個(gè)占總量的47.97%，威脅人口2753人占總量的52.39%。

雖然缺少更詳細(xì)更全面的地質(zhì)災(zāi)害調(diào)查數(shù)據(jù)，但就目前所擁有的數(shù)據(jù)可基本反映嵐皋縣地質(zhì)災(zāi)害分布規(guī)律，也可作為地質(zhì)災(zāi)害預(yù)警區(qū)域的劃分以及地質(zhì)災(zāi)害模型建立的參考。

4.2 嵐皋縣地質(zhì)災(zāi)害預(yù)警模型的建立

4.2.1 評(píng)價(jià)因子的選取

對地質(zhì)災(zāi)害評(píng)價(jià)因子的選取也就是對影響地質(zhì)災(zāi)害因素的確定，它應(yīng)具有全面性和準(zhǔn)確性。但是在具體的應(yīng)用時(shí)評(píng)價(jià)因子過多或者過于全面反而不能夠有效地做出評(píng)價(jià)，所以應(yīng)根據(jù)具體實(shí)際情況進(jìn)行合理的選取。根據(jù)影響嵐皋縣地質(zhì)災(zāi)害發(fā)生的實(shí)際情況，選取地形地貌，地層巖性，地形坡度，降雨作為評(píng)價(jià)指標(biāo)并運(yùn)用GIS技術(shù)將嵐皋縣地質(zhì)圖剖分成368個(gè)2.5（km）*2.5（km）的網(wǎng)格，然后計(jì)算每個(gè)網(wǎng)格致災(zāi)因素發(fā)生地質(zhì)災(zāi)害的概率以及它們的綜合疊加所對應(yīng)的危險(xiǎn)性等級(jí)，最后結(jié)合降雨等級(jí)建立地質(zhì)災(zāi)害預(yù)警模型。

4.2.2 危險(xiǎn)性等級(jí)與降雨等級(jí)的劃分

劃分危險(xiǎn)性等級(jí)需分別計(jì)算每個(gè)網(wǎng)格地形地貌，地層巖性，地形坡度危險(xiǎn)性的概率，具體過程如下［20］：

1）地形地貌危險(xiǎn)性概率

其中，F(xiàn)地為某個(gè)網(wǎng)格地形地貌危險(xiǎn)性概率，f高、f中、f低、f河谷分別為高山、中山、低山、河谷階地地質(zhì)災(zāi)害發(fā)生的概率值，x1、x2、x3、x4分別為高山、中山、低山、河谷階地在某個(gè)網(wǎng)格內(nèi)所占的面積。

2）地層巖性危險(xiǎn)性概率

其中，F(xiàn)巖為某個(gè)網(wǎng)格地層巖性危險(xiǎn)性概率，f碳酸巖、f漿巖、f變質(zhì)巖、f土分別為中厚層堅(jiān)硬鹽酸巖類、塊狀堅(jiān)硬巖漿巖類、片狀軟弱淺變質(zhì)巖類、粘性土及碎石土類地質(zhì)災(zāi)害發(fā)生的概率值，x1、x2、x3、x4分別為這四種地層巖性在某個(gè)網(wǎng)格內(nèi)所占的面積。

3）地形坡度危險(xiǎn)性概率

其中，F(xiàn)坡為某個(gè)網(wǎng)格地形坡度危險(xiǎn)性概率，f1、f2、f3分別為坡度小于10°，10°～25°之間，大于25°的坡型地質(zhì)災(zāi)害發(fā)生的概率值，x1、x2、x3分別為坡度小于10°，10°～25°之間，大于25°的坡型在某個(gè)網(wǎng)格內(nèi)所占的面積。

將這三種因素的危險(xiǎn)性概率綜合疊加后，就得到了某個(gè)網(wǎng)格內(nèi)地質(zhì)災(zāi)害危險(xiǎn)性的概率，即：

其中，p為某個(gè)網(wǎng)格內(nèi)地質(zhì)災(zāi)害危險(xiǎn)性的概率，N為某個(gè)網(wǎng)格內(nèi)已發(fā)生地質(zhì)災(zāi)害的災(zāi)害點(diǎn)個(gè)數(shù)。根據(jù)疊加的結(jié)果，分析總結(jié)出危險(xiǎn)性概率和危險(xiǎn)性等級(jí)的關(guān)系表，如表2所示。

表2 危險(xiǎn)性概率與等級(jí)對應(yīng)關(guān)系表

對嵐皋縣近20年的降雨量和地質(zhì)災(zāi)害事件進(jìn)行綜合分析和總結(jié)，初步制定出地質(zhì)災(zāi)害預(yù)警降雨量臨界值表，如表3所示。

表3 降雨量臨界值表

4.2.3 地質(zhì)災(zāi)害預(yù)警模型建立

分別提取出每個(gè)網(wǎng)格的危險(xiǎn)性等級(jí)，降雨等級(jí)和災(zāi)害等級(jí)，將危險(xiǎn)性等級(jí)和降雨等級(jí)作為BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練的輸入樣本數(shù)據(jù)，災(zāi)害等級(jí)作為輸出樣本數(shù)據(jù)，為了使網(wǎng)絡(luò)訓(xùn)練結(jié)果更加良好，對相關(guān)的數(shù)據(jù)進(jìn)行處理使其介于［0.1，0.9］之間，對原始的輸出樣本數(shù)據(jù)處理結(jié)果如表4所示。

表4 災(zāi)害等級(jí)處理表

網(wǎng)絡(luò)的輸入層與危險(xiǎn)性等級(jí)和降雨等級(jí)所對應(yīng)，即輸入層元素的數(shù)目為2，輸出層與災(zāi)害等級(jí)對應(yīng)，即輸出層元素的數(shù)目為5，經(jīng)過對網(wǎng)絡(luò)多次的測試，當(dāng)中間層元素的個(gè)數(shù)為5時(shí)輸出結(jié)果最接近實(shí)際并且網(wǎng)絡(luò)收斂速度最快，所以創(chuàng)建結(jié)構(gòu)為2-5-5的神經(jīng)網(wǎng)絡(luò)模型，如圖4所示。

圖4 地質(zhì)災(zāi)害預(yù)警神經(jīng)網(wǎng)絡(luò)模型

根據(jù)嵐皋縣368個(gè)網(wǎng)格地質(zhì)災(zāi)害原始樣本數(shù)據(jù)（圖9，每個(gè)網(wǎng)格20條數(shù)據(jù)）并結(jié)合GIS技術(shù)，得到嵐皋縣地質(zhì)災(zāi)害危險(xiǎn)性分區(qū)圖，該縣地質(zhì)危險(xiǎn)性程度主要被分為三種，即低危險(xiǎn)、中危險(xiǎn)和高危險(xiǎn)，如圖5所示。

圖5 嵐皋縣地質(zhì)災(zāi)害危險(xiǎn)性分區(qū)

根據(jù)網(wǎng)格訓(xùn)練數(shù)據(jù)的處理原則，把從圖9和圖5得到原始樣本數(shù)據(jù)進(jìn)行歸一化處理，得到BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練樣本數(shù)據(jù)，如圖8所示。然后利用java調(diào)用神經(jīng)網(wǎng)絡(luò)組件，將各個(gè)網(wǎng)格的訓(xùn)練樣本數(shù)據(jù)都進(jìn)行10000次的訓(xùn)練，并把得到的每個(gè)網(wǎng)格的權(quán)值矩陣存入數(shù)據(jù)庫，同時(shí)對每個(gè)網(wǎng)格每次訓(xùn)練后得到的權(quán)值矩陣進(jìn)行正確率測試，所有網(wǎng)格測試正確率的平均結(jié)果，如圖6所示。

圖6 BP神經(jīng)網(wǎng)絡(luò)模型訓(xùn)練正確率測試圖

從圖6中可以看出隨著訓(xùn)練次數(shù)的增加，網(wǎng)格權(quán)值矩陣預(yù)測的正確率整體趨于上升。一般認(rèn)為訓(xùn)練次數(shù)達(dá)到最大時(shí)，正確率能大于90%則可認(rèn)為該網(wǎng)絡(luò)的輸出結(jié)果比較精確可以用來進(jìn)行預(yù)測。

將2010年7月嵐皋縣大道河鎮(zhèn)地質(zhì)災(zāi)害樣本數(shù)據(jù)（圖10）作為研究對象，取出網(wǎng)格危險(xiǎn)性等級(jí)和預(yù)報(bào)降雨等級(jí)，并從數(shù)據(jù)庫中讀出該網(wǎng)格所對應(yīng)的權(quán)值矩陣，調(diào)用神經(jīng)網(wǎng)絡(luò)組件進(jìn)行網(wǎng)格地質(zhì)災(zāi)害等級(jí)預(yù)測，然后對嵐皋縣大道河鎮(zhèn)每個(gè)網(wǎng)格都得到一個(gè)預(yù)測結(jié)果，最后經(jīng)分析得到了該地區(qū)的地質(zhì)災(zāi)害預(yù)報(bào)等級(jí)為（0，0，0.0039，0.9961，0），與實(shí)際的災(zāi)害等級(jí)（0，0，0，1，0）非常的接近，并且可認(rèn)為0.0039接近于0，0.9961接近于1，預(yù)測結(jié)果為四級(jí)與實(shí)際比較相符。

圖7 嵐皋縣大道河鎮(zhèn)地質(zhì)災(zāi)害預(yù)警區(qū)劃圖

圖8 BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練樣本數(shù)據(jù)

圖9 嵐皋縣368個(gè)網(wǎng)格地質(zhì)災(zāi)害原始樣本數(shù)據(jù)

圖10 2010年7月嵐皋縣大道河鎮(zhèn)地質(zhì)災(zāi)害樣本數(shù)據(jù)及預(yù)測結(jié)果

對最終的預(yù)測進(jìn)行分析處理，結(jié)合GIS與java技術(shù)生成對應(yīng)的地質(zhì)災(zāi)害預(yù)警區(qū)劃圖（圖7）和預(yù)警信息并在系統(tǒng)的首頁進(jìn)行展示，最后通過通信基站將預(yù)警信息發(fā)送達(dá)到預(yù)警的效果。

5 結(jié)語

根據(jù)陜西省嵐皋縣地質(zhì)災(zāi)害數(shù)據(jù)，建立了嵐皋縣地質(zhì)災(zāi)害預(yù)警的BP神經(jīng)網(wǎng)絡(luò)細(xì)網(wǎng)格模型，并對2010年7月嵐皋縣大道河鎮(zhèn)的地質(zhì)災(zāi)害進(jìn)行了驗(yàn)證，預(yù)測的結(jié)果與真實(shí)情況比較相符，在一定程度上能夠說明利用該方法進(jìn)行地質(zhì)災(zāi)害預(yù)測是較為可行的。利用BP神經(jīng)網(wǎng)絡(luò)的自學(xué)習(xí)、自適應(yīng)、聯(lián)想以及善于從大量數(shù)據(jù)中分析提取宏觀統(tǒng)計(jì)規(guī)律的特點(diǎn)并結(jié)合GIS強(qiáng)大的空間信息分析能力，來對地質(zhì)災(zāi)害進(jìn)行預(yù)警分析是一種科學(xué)的嘗試，也具有廣泛的應(yīng)用前景。