基于BP神经网络的客土喷播边坡侵蚀模数预测模型研究

摘要：采用BP神经网络能够合理解决边坡泥沙侵蚀的非线性输入输出问题,以室内试验获得的54组冲刷试验数据为依托,Matlab软件为平台,搭建拓扑结构为(3,3,1)的BP神经网络预测模型,输入层为降雨强度、坡率、降雨历时,隐含层节点数3,输出层为泥沙侵蚀模数。通过权值矩阵考察各影响因素对泥沙侵蚀模数显著性影响;对测试集样本的真实值与预测值比较,验证预测模型的精确性。研究结果表明:影响因素显著性排序为:降雨历时>坡率>降雨强度,其中降雨历时显著性量化指标为1.35,远远大于坡率和降雨强度;预测模型90%样本预测值与真实值相对误差小于10%,决定系数R^2=0.98,说明建立的BP神经网络对于客土喷播边坡泥沙侵蚀模数预测具有较好的精确性。研究结果一定程度上能够为客土喷播工程实践与设计提供理论指导。