（2）在初步识别收集的基础上，邀请60余名专家对初步影响因素进行优化，其中25项因素的重要度评分较低，予以剔除，将剩余26项影响因素运用CRITIC法进行进一步筛选，剔除12项因素，最后得到了14个影响因素组成确定的豫西山区公路运营期边坡风险影响因素清单。
（3）基于平均影响值方法，对前期得出主要影响因素的14个因素进行降维，在对107组数据集进行同化处理的基础上，构建了初始PNN神经网络，通过对14个影响因素分别调增调减相关数据，汇总得到10个影响因素的平均影响值，再根据设定的判别方式对各个因素的进行判别，再剔除5个影响因素，最终得到9个经过降维的最终影响因素开展风险评价。
（4）基于初步构建概率神经网络模型，探讨概率神经网络关于平滑因子确定中的困难，借鉴智能算法领域的新成果，选用动态调整PSO算法惯性权重和学习因子的方式，构建了改进的PSO方法，再与PNN网络相组合，得到IPSO-PNN模型，通过70组数据的训练，与BP、RBF、PNN、GA-BP、IPSO-RBF等模型的对37个测试点位进行成果对比，测试说明IPSO-PNN具有更好的性能，验证了其合理性和可靠性。
参考文献（略）
