基于机器学习算法的滑坡土壤含水率预测方法研究

杨小平; 段生锐; 蒋力; 刘光辉

doi:10.20040/j.cnki.1000-7709.2024.20230609

欢迎来到能源电力期刊网！

English Version 读者登录期刊登录

您当前的位置：

首页 >

文章列表页 >

基于机器学习算法的滑坡土壤含水率预测方法研究

工程勘测设计 | 更新时间：2026-02-25

- 基于机器学习算法的滑坡土壤含水率预测方法研究
- 基于机器学习算法的滑坡土壤含水率预测方法研究
- 水电能源科学 2024年第3期页码：73-77
- 作者机构：
  
  1. 桂林理工大学信息科学与工程学院
  2. 桂林理工大学广西嵌入式技术与智能系统重点实验室
  3. 广西壮族自治区地质环境监测站
  4. 桂林赛普电子科技有限公司
- 作者简介：
- 基金信息：
  
  国家高新技术研发计划(863计划)(2013AA12210504);广西壮族自治区科技攻关项目(AC1638012);广西壮族自治区南宁市青秀区科技局科技计划(RZ19100041)
- DOI：10.20040/j.cnki.1000-7709.2024.20230609
  中图分类号： P642.22
- 纸质出版：2024
- 稿件说明：
移动端阅览
杨小平, 段生锐, 蒋力, 等. 基于机器学习算法的滑坡土壤含水率预测方法研究[J]. 水电能源科学, 2024,(3):73-77.

杨小平, 段生锐, 蒋力, et al. 基于机器学习算法的滑坡土壤含水率预测方法研究[J]. 2024, (3): 73-77.
杨小平, 段生锐, 蒋力, 等. 基于机器学习算法的滑坡土壤含水率预测方法研究[J]. 水电能源科学, 2024,(3):73-77. DOI： 10.20040/j.cnki.1000-7709.2024.20230609.

杨小平, 段生锐, 蒋力, et al. 基于机器学习算法的滑坡土壤含水率预测方法研究[J]. 2024, (3): 73-77. DOI： 10.20040/j.cnki.1000-7709.2024.20230609.

摘要

土壤含水率是影响坡体稳定性的决定因素之一。针对滑坡体内部土壤水分信息难以准确感知的问题，建立了一种基于机器学习算法树突神经网络的土壤含水率预测模型（DDNN）

通过分析土壤水分垂向变化特征和数据相关性确定关键的影响因子后，将水分预测模型DDNN与GA-BP、RF、RBFNN三种算法进行对比试验。发现DDNN预测模型的拟合优度R

最高为0.998

均方根误差和平均绝对误差均最小，分别为0.091、0.059

其预测精度明显高于其他三种算法。并采用关系谱探究了相关影响因素对土壤含水率的敏感程度。结果表明，敏感度由高到低依次为气温、降水、初始水分、风速、地温，研究结果可为滑坡体稳定性分析提供技术方法支撑。

Abstract

关键词

Keywords

references

Liu Gang,Wang Jing.Dendrite Net: A White-Box Module for Classification, Regression, and System Identification.[J].IEEE transactions on cybernetics,2021.

杨佳琦,郭建斌,汤明华,周金星,万龙.基于遗传算法优化BP神经网络的石漠化区土壤水分动态预测模型[J].中国水土保持科学(中英文),2022(03).

兰四清,高坤,雷能忠,付跃东,刘卫群.土体含水率与滑坡风险相关性实验研究[J].实验力学,2020(02).

包青岭,丁建丽,王敬哲.利用随机森林方法优选光谱特征预测土壤水分含量[J].激光与光电子学进展,2018(11).

张志宇,侯晓宇.河北平原区土壤水分空间变异特征研究[J].水电能源科学,2017(01).

陈昌华,谭俊,尹健康,张飞,姚进.基于PCA-RBF神经网络的烟田土壤水分预测[J].农业工程学报,2010(08).

浏览量

283

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

长江干流p_CO₂、F_CO₂的时空分布及与环境因子的关系

基于贝叶斯分类算法的隧道开挖安全风险概率评价

河北省参考作物蒸散量时空变异性分析

引黄灌溉入渗条件下的地下水化学演变特征

基于制动感觉的制动能量回收系统的设计与匹配