基于粗糙神经网络的坡面雨滴溅蚀量研究

›› 2006, Vol. 27 ›› Issue (8): 1425-1428.

基于粗糙神经网络的坡面雨滴溅蚀量研究

丁加明^{1, 2}，王永和¹，丁力行¹

1. 中南大学土木建筑学院，长沙 410075；2. 长沙理工大学公路工程学院，长沙 410076

收稿日期:2004-11-04 出版日期:2006-08-10 发布日期:2013-11-26
作者简介:丁加明，男，1973年生，博士生，讲师，主要从事膨胀土路基水毁方面的研究工作
基金资助:
教育部博士点基金项目（No. 20030533043）

Study of slope rain drops splash-erosion based on rough neural network

DING Jia-ming^{1, 2}, WANG Yong-he¹, DING Li-xing¹

1. School of Civil Engineering and Architecture, Central South University, Changsha 410075, China; 2. School of Highway Engineering, Changsha University of Science & Technology, Changsha 410076, China

Received:2004-11-04 Online:2006-08-10 Published:2013-11-26

摘要/Abstract

摘要： 提出采用粗糙神经网络预测坡面雨滴溅蚀量。用粗糙集方法中条件属性与决策属性相对依赖的概念约简某雨滴溅蚀量试验中的冗余信息，去掉了坡度、雨强、水深、单宽流量4个试验指标中水深和单宽流量两个指标，建立了以坡度、雨强为输入，溅蚀量为输出的2−5−1的粗糙神经网络模型，简化了神经网络的结构，减少了网络的训练时间。实例计算中信息约简后预测值与试验值线性回归的相关系数大于未约简时的相关系数值，计算速度也有所提高。实例计算表明，粗糙神经网络为坡面雨滴溅蚀量预测研究提供了一种有效可行的算法。

关键词: 粗糙集, 神经网络, 雨滴, 溅蚀量

Abstract: It is presented to predict slope splash-erosion for rain drops based on rough neural network. The redundancy information is reducted by the relative dependability between condition attribute and decision attribute of rough sets. The test indexes such as water depth and flux are deleted. The 2−5−1 rough neural network is established in which input parameters are gradient and rain intensity while output parameter is splash-erosion quantity. The frame of neural network is predigested. The train time of neural network is decreased. The reduced sloping field rain drops splash-erosion linear regression correlation coefficient of prediction and experiment is larger than that had not been reduced. The constringency speed is faster than that had not been reduced. The example calculation indicates that the rough neural network is an efficient and feasible algorithm to forecast sloping field rain drops splash-erosion.

Key words: rough sets, neural network, rain drops, splash-erosion

中图分类号:

U 416.1+4

丁加明，王永和，丁力行，. 基于粗糙神经网络的坡面雨滴溅蚀量研究[J]. , 2006, 27(8): 1425-1428.

DING Jia-ming , WANG Yong-he , DING Li-xing，. Study of slope rain drops splash-erosion based on rough neural network[J]. , 2006, 27(8): 1425-1428.

参考文献

相关文章 15

[1]	钟国强, 王浩, 李莉, 王成汤, 谢壁婷, . 基于SFLA-GRNN模型的基坑地表最大沉降预测[J]. 岩土力学, 2019, 40(2): 792-798.
[2]	王庆武，巨能攀，杜玲丽，黄健，胡勇,. 拉林铁路桑日至加查段三维地应力场反演分析[J]. , 2018, 39(4): 1450-1462.
[3]	张艳博，杨震，姚旭龙，梁鹏，田宝柱，孙林,. 基于声发射信号聚类分析和神经网络识别的岩爆预警方法实验研究[J]. , 2017, 38(S2): 89-98.
[4]	张社荣，胡安奎，王超，彭振辉, . 基于SLR-ANN的地应力场三维智能反演方法研究[J]. , 2017, 38(9): 2737-2745.
[5]	杨啸，杨志强，高谦，陈得信，. 混合充填骨料胶结充填强度试验与最优配比决策研究[J]. , 2016, 37(S2): 635-641.
[6]	王佳信，周宗红，赵婷，余洋先，龙刚，李春阳. 基于Alpha稳定分布概率神经网络的围岩稳定性分类研究[J]. , 2016, 37(S2): 649-657.
[7]	胡军，董建华，王凯凯，黄贵臣，. 边坡稳定性的CPSO-BP模型研究[J]. , 2016, 37(S1): 577-582.
[8]	王开禾，罗先启，沈辉，张海涛. 围岩力学参数反演的GSA-BP神经网络模型及应用[J]. , 2016, 37(S1): 631-638.
[9]	郝杰，侍克斌，王显丽，白现军，陈功民,. 基于模糊C-均值算法粗糙集理论的云模型在岩爆等级评价中的应用[J]. , 2016, 37(3): 859-866.
[10]	舒苏荀，龚文惠. 边坡稳定分析的神经网络改进模糊点估计法[J]. , 2015, 36(7): 2111-2116.
[11]	舒苏荀，龚文惠. 二维随机场下边坡稳定性的径向基函数神经网络分析法[J]. , 2015, 36(4): 1205-1210.
[12]	邱道宏，李术才，薛翊国，田昊，闫茂旺，. 基于数字钻进技术和量子遗传-径向基函数神经网络的围岩类别超前识别技术研究[J]. , 2014, 35(7): 2013-2018.
[13]	李克钢，郑东普，黄维辉,. 干湿循环作用下砂岩力学特性及其本构模型的神经网络模拟[J]. , 2013, 34(S2): 168-173.
[14]	刘亚群，李海波，裴启涛，张伟. 基于灰色关联分析的遗传神经网络在水下爆破中质点峰值振动速度预测研究[J]. , 2013, 34(S1): 259-264.
[15]	左育龙，朱合华，李晓军 . 岩土工程可靠度分析的神经网络四阶矩法[J]. , 2013, 34(2): 513-518.

Metrics

Viewed

Full text

Abstract

Cited

Shared

Discussed