强跟踪UKFNN的泥石流泥位突变状态动态演化

泥位的变化是导致泥石流发生的直接原因之一,针对目前泥石流预测方法无法有效跟踪突变状态、预报精度不高的问题,提出了一种基于无迹卡尔曼神经网络的方法,先确定原始数据的最佳维数和延迟时间,进行相空间重构,再利用无迹卡尔曼较强的非线性状态估计能力,将神经网络权值、阀值作为无迹卡尔曼的状态变量,不断对其进行递推演化,提高对泥石流突变状态的跟踪能力。通过对川藏地区林芝市六个地区的研究,实验结果表明：该算法可有效建立泥石流泥位的动态演化模型,提高了预报精度和对突发状况的适应能力,实现对泥石流灾害情况的分级预警。