基于BP神经网络的滑坡监测多源异构数据融合算法研究

针对滑坡监测中的多源异构数据融合问题,论文提出了一种基于BP神经网络的多源异构监测数据融合算法.该算法将影响滑坡变形的温度、 湿度、 风力、 云量、 单日降水量和累计降水量等多环境因子变量作为输入变量,以滑坡位移变化量数据作为期望输出数据,并利用各环境因子变量和滑坡位移变化量的相关性及显著性进行环境因子变量筛选,以提高算法的预测精度.论文采用甘肃省永靖县黑方台党川滑坡的实测数据进行了试验,结果表明:反向传播(Back-Propagation,BP)神经网络数据融合算法适用于具有多源异构监测数据的滑坡变形预测;在进行环境变量因子筛选后,BP神经网络数据融合算法的决定系数达到0.985,均方根误差(RMSE)达到0.4787 mm,从而有效提高了变形预测结果的精度.