Resumen

El modelo regional de riesgo ecológico se construye para predecir de manera más precisa el nivel de riesgo ecológico regional utilizando el análisis de componentes principales y optimizando la red neuronal BP estándar. Tomando como ejemplo la Prefectura Autónoma Tujia y Miao de Xiangxi, se seleccionan doce factores principales que afectan el riesgo regional. Los datos de muestra se procesan mediante el análisis de componentes principales. Los componentes principales obtenidos se utilizan como factores de entrada de la red neuronal BP mejorada, y el nivel de riesgo ecológico se utiliza como factor de salida. Los resultados indican que el error entre la salida esperada y la salida real es del 4,36% en 2016, 1,08% en 2017 y 5,18% en 2018, respectivamente, estando todos controlados dentro del 6%. En comparación con la precisión de predicción hecha por la red neuronal BP estándar sin análisis de componentes principales, la precisión de predicción realizada por la red neuronal BP mejorada con análisis de componentes principales

• Materias:Elementos finitos Análisis de estabilidad Energía histerética Seguridad en la ingeniería civil Tensión-deformación
• Subjects:Finite elements Stability analysis Hysteretic energy Safety in civil engineering Stress-strain
• Palabras claves:Modelo de riesgo ecológico regional; Análisis de componentes principales; Red neuronal BP; Prefectura Autónoma Tujia y Miao de Xiangxi; Precisión de predicción; Nivel de riesgo ecológico
• Keywords:Regional ecological risk model; Principal component analysis; BP neural network; Xiangxi Tujia and Miao Autonomous Prefecture; Prediction accuracy; Ecological risk level