《神经网络技术在岩质边坡稳定性研究中的应用_岩质边坡稳定性的关键问题是.docx》由会员分享，可在线阅读，更多相关《神经网络技术在岩质边坡稳定性研究中的应用_岩质边坡稳定性的关键问题是.docx（7页珍藏版）》请在taowenge.com淘文阁网|工程机械CAD图纸|机械工程制图|CAD装配图下载|SolidWorks_CaTia_CAD_UG_PROE_设计图分享下载上搜索。
1、神经网络技术在岩质边坡稳定性研究中的应用_岩质边坡稳定性的关键问题是 摘要：利用模糊数学的基本原理，在Visual C语言的基础上，研制开发了岩质边坡稳定性系统评价的BP模型的计算机程序，通过实际工程分析，预料结果与实际完全吻合，说明所采纳的BP神经网络算法评价岩质边坡稳定性是可行的，可以用来指导实际，该计算程序简洁，易操作，有肯定的推广应用价值。 关键词：岩质边坡； 神经网络 Abstract: using the basic principles of fuzzy mathematics, in Visual c + + language, and on the basis of the
2、research and development of rock slope stability evaluation system of the BP model computer programs, and through the practical engineering analysis, forecast results and the practical perfectly, explain the BP neural network algorithm rock slope stability assessment is feasible, and can be used to
3、guide practical, the calculation procedure is simple, easy to operate, has the certain application value. Keywords: rock slope; Neural network 中图分类号：TP183文献标识码：A 文章编号： 在高速马路、基础工程、露天矿山、水利水电等工程中，边坡的稳定性特别重要。在边坡稳定性分析中。最基本的评价指标是极限平衡方程的求解。传统的方法是采纳以平安系数为度量指标的定值法，这种做法虽经长期的实践证明是一种有效的工程好用方法，但在某些工程设计中按此法计算是平安的
4、，实际运营却发生了破坏，其缘由困难多样：其中很重要的因素是从理论上忽视了计算参数的不确定性；另一方面边坡以多大程度保证平安，定值法不能明确地回答。因此近年来边坡随机牢靠度分析理论与实践得到国内外岩土工程界广泛重视和快速发展。这种方法与定值法的根本区分在于考虑了变量的随机性，并用严格的概率来度量边坡的平安度。 在诱发边坡失稳的因素中，地震荷载（包括人工爆破地震和自然地震）的作用最为敏感。考虑地震荷载作用的边坡牢靠度分析。其平安系数通常须要叠代求解，建立的极限状态方程是基本变量的隐式函数，即不能表达为基本变量的显式函数。因此常规的边坡牢靠度分析方法（FOSM法）将遇到很大困难。点估计法、有理多项式
5、法、蒙特卡罗模拟和响应面法等是解决此类问题的常用方法。从这个意义来讲，“危急性”应是一个定量的概率而上述方法给出的危急性评价结果只能是一种定性的描述。但是对于地震滑坡而言，由于涉及的影响因素许多，有些因素不易量化或很难获得有些因素相互之间往往存在困难的相关关系，因而很难用常规的数学模型加以度量，也很难将困难的影响因素综合成一个元素进行评价。由此可见，地震滑坡危急性评价是一个非常困难的系统问题。 本文提出基于神经网络的新的牢靠度分析方法，并应用于地震荷载作用下的边坡牢靠度分析。通过实际工程分析，预料结果与实际完全吻合，说明所采纳的BP神经网络算法评价项目管理风险是正确的，可以用来指导实际。该计算
6、程序简洁，易操作，有肯定的推广应用价值。 1BP神经网络技术简介 人工神经网络（Artificial p4eural Networks）是20世纪80年头以来获得快速发展的非线形模拟技术，具有自组织、自适应、自学习和容错性等独特的优良性质，为多输入、多输出系统供应了有效的解决方案。人工神经网络特殊适用于处理两类问题，一是困难大系统的优化和求解，二是对内部未知系统的靠近和模拟。对于岩质边坡稳定性的智能化预料的探讨属于其次种状况。依据连接方式不同，神经网络可分成两大类：没有反馈的前向网络和相互结合型网络。前向网络由输入层，中间层（隐层），输出层组成。隐层可以有若干层，每一层的神经元只接受前一层神经
7、元的输出，这样就实现了从输入层结点的状态空间到输出层状态空间的非线性映射。在前向网络中，以误差反向传播网络（BackPropagation）一BP网络的应用最为广泛。BP神经网络是一种多层前向网络，由输入层、隐含层（又称为中间层）和输出层组成。隐含层可以是一层也可以是多层。目前应用最广泛的是三层神经网络，即输入层、一层隐含层和输出层组成的BP神经网络。其学习过程由向前传播和向后传播两部分组成（图1）。误差函数的求取是一个由输出层向输入层反向传播的递归过程。通过反复学习训练样原来修正权值。采纳最速下降法使得权值沿着误差函数的负梯度方向改变，最终稳定于最小值。 2BP神经网络技术在边坡稳定性中的预
8、料 2.1边坡稳定性的评价因素 地震滑坡危急性总体评价是一项非常困难的工作，用经典的数学模型很难加以定量的概括和描述。造成这种状况的主要缘由是：涉及的因素众多，且各因素之间相互影响、相互制约；有些因素属于定性指标，且概念模糊很难干脆用于滑坡稳定性分级。模糊数学理论则是解决此类模糊问题的有效手段。如前所述，由于地震滑坡的危害t分严峻，国内外的地学工作者对地震滑坡的运动方式、影响因素等进行了大量的探讨。依据对已有成果的分析，影响地震滑坡的因素可归纳为边坡所处的地质背景、岩体结构类型、地层岩性组合、地形地貌条件以及边坡的水文地质条件等5个方面。基于地震滑坡现阶段的探讨成果以及资料的收集和可操作性，本
9、文选取岩性（坡体物质组成）、水系、地形（坡度）、场地地震烈度、断层等5项因素作为评价地震滑坡危急性的指标。此五类指标将作为BP神经网络技术的输人参数。 2.2边坡稳定性的评价标准 在对区域性地震滑坡稳定性的空间预料探讨方面，一些学者在对地震滑坡影响因素进行统计分析的基础上。利用专家打分方法确定各影响因素的权重，最终通过对全部影响因子进行综合评价来划分区域的地震滑坡危急性等级；还有的学者通过对大量已发生滑坡的深化调查，用统计模型来探讨各种影响因素（如地振动、地层、坡度等）对滑坡的影响程度，并把得到的相识应用于滑坡预料区划中。 在前人探讨的基础上，结合实际工作的须要，本文对地震滑坡危急性进行3级评
10、定：地震滑坡危急区、地震滑坡危急程度中等区、没有地震滑坡危急区。相应地，各个评价因素的指标也按3级划分。详细指标分级见表1。其相应的输出参数为0，0，1地震滑坡危急区（A类）；0，1，0地震滑坡危急程度中等区（B类）：1，0，0没有地震滑坡危急区（C类）。此三类边坡稳定性的评价指标作为BP神经网络的输出因素。 2.3实例分析 11016年在云南省龙陵、潞西一带发生了7.3级和7.4级剧烈地震，这两次剧烈地震造成了严峻的地表破坏，产生了大量的滑坡、倒塌。据统计，该次地震共引发32个规模较大的滑坡和滑坡群（零星的小滑坡），其中7个属于老滑坡复活。 本文探讨范围为101.5101.0E、24.224
11、.9N，根据0.01间隔最终将整个区域划分为3216个单元。应用Basic编程对每一单元进行水系、断层、岩性、坡度、地震烈度等影响因素提取，把每一个网格单元看作是一个待评价的对象。 2.4网络训练 对该地震地区进行网络分区，各个区进行BP神经网络预料，经过2 556次运算，网络区域趋于稳定，表2为该地区地震滑坡的评价结果表。 3总结 1）文中建立了岩质边坡稳定性系统评价的神经网络模型，并应用于实际。 2）该方法综合考虑了多种因素对岩质边坡稳定性评价的影响。避开了单因素对工岩质边坡稳定性进行评价所带来的偏差。 3）通过实际应用可以看出神经网络方法评价岩质边坡稳定性是特别胜利的而且计算筒单、结论精确、结果精度高，是一种特别好用的方法。 注：文章内全部公式及图表请用PDF形式查看。 第7页 共7页第 7 页 共 7 页第 7 页 共 7 页第 7 页 共 7 页第 7 页 共 7 页第 7 页 共 7 页第 7 页 共 7 页第 7 页 共 7 页第 7 页 共 7 页第 7 页 共 7 页第 7 页 共 7 页