基于小龙虾优化算法的BP神经网络模型在滑坡易发性评价中的应用

摘要

针对标准BP(back propagation)神经网络易陷入局部最优解、对初始权重敏感等缺陷,引入小龙虾优化算法(COA)对其进行优化,构建COA-BP滑坡易发性评价模型,以浙江省武义县为研究区,开展滑坡易发性评价。首先,采用四种单峰测试函数和一种多峰测试函数对COA进行性能测试,并与多元宇宙优化算法(MVO)、麻雀优化算法(SSA)、海洋捕食者算法(MPA)进行对比;然后,提取研究区高程、坡度、坡向、降水量等13个环境因子数据,利用本文提出的COA-BP模型对研究区进行滑坡易发性评价,与BP、MVO-BP、MPA-BP、SSA-BP模型进行对比,并通过混淆矩阵及二级指标雷达图进行精度检验。结果表明:COA比其他三种算法更具优势;COA-BP模型的预测性能较强,滑坡易发性区域划分更为清晰;同时,该模型对滑坡点和非滑坡点识别精度较高,AUC (曲线下面积)值在0.9以上,满足该地区滑坡易发性评价精度要求。

关键词

小龙虾优化算法 / BP神经网络 / 滑坡易发性 / 混淆矩阵 / 浙江省武义县