基于遗传算法和模糊神经网络的边坡稳定性评价

边坡工程是一个动态的、模糊的、开放的复杂非线性系统,传统的分析方法有时难以对复杂边坡的稳定性做出符合实际的评价。影响边坡稳定性的因素复杂且具有随机性和模糊性。由于神经网络方法不仅能考虑定量因素,而且能考虑定性因素的影响,因而神经网络方法适用于解决非确定性的边坡稳定性评价问题。综合考虑影响边坡稳定性的各方面因素,建立了基于遗传算法的模糊神经网络模型,并利用大量工程资料对网络进行训练和测试。预测结果表明,该模型的预测精度明显高于目前同类方法。     

岩土边坡稳定性预报的人工神经网络方法

阐述了经典边坡稳定分析方法的局限性,综合考虑了影响边坡稳定性的因素,建立基于人工神经网络的边坡稳定性预报方法。采用遗传算法优化神经网络的结构,以提高其非线性映射能力和泛化能力,从而,提高预报准确度。基于已有的工程实例训练所建立的神经网络,并对新的边坡稳定性问题进行了预报,预报结果表明,所建立的边坡稳定性预报方法具有较高的预报准确度。     

用神经网络评价边坡稳定性

影响边坡稳定性因素是复杂且具有随机和模糊特性。神经网络的性能特征使适用于解决非性的边坡稳定性评价问题，本文建立了边坡稳定性评价的复合网络模型，并利用边坡工程的失稳及稳定实例对网络进行了训练和测试，计算分析表明，网络模型对于评价边坡的稳定性有较好的适用性。     

土质边坡稳定性影响因素的研究

边坡稳定性涉及到诸多因素,引入人工神经网络预测边坡稳定性的方法--误差逆传播学习算法效果显著.边坡稳定性预测系统的输入信息包括岩土体参数、几何参数等,而输出信息则是网络预测的稳定系数和稳定状态.土质边坡主要以圆弧滑移破坏为主,通过人工神经网络预测的结果与实际监测结果的对比分析,证实了BP神经网络在评价土质边坡稳定性方面的效果显著;并在此基础上分析了土质边坡影响因素对边坡稳定性的影响程度.     

基于非线性系统的边坡影响因素灵敏度分析

为优化露天矿开采方式、处理紧急情况,需掌握影响边坡状态的影响因素对边坡稳定性影响的灵敏度。鉴此,在能考虑众多影响因素及施工间交互影响的岩石工程系统理论基础上,运用智能方法生成一个动态的网络结构、建立影响各边坡稳定性因素的岩石工程系统矩阵,分析形成岩石工程系统矩阵的网络结构隐含信息,得出系统中各因素对边坡稳定性影响的灵敏度,最后将此方法用于一个边坡稳定性及影响因素灵敏度分析。     

灰关联神经网络法及防洪堤边坡稳定性分析

灰关联分析神经网络方法首先是对防洪堤边坡稳定性影响因素进行灰关联分析,得出各因素影响程度的大小排序,然后建立该工程的神经网络模型,选择灰关联分析得到的优势因子作为样本输入以及关联度作为网络权值确定的一个因素,利用大量南宁市防洪堤边坡工程实例对网络进行训练学习,最后用训练成功的网络对工程进行预测。预测的结果与实际情况进行对比表明,这个方法能够满足南宁市防洪堤边坡稳定性预测的要求。     

基于结构面网络模拟的节理岩质边坡可靠性分析

在节理岩质边坡的稳定性分析中,往往很少考虑结构面的随机分布特征。结构面网络模拟能较好地模拟结构面的随机分布,因此,本文将结构面网络模拟应用于节理岩质边坡的稳定性分析中。首先,运用岩体结构面网络模拟技术,建立岩质边坡的结构面网络模型。然后,将模拟的结果与有限元强度折减法相结合求取边坡的安全系数。最后,对边坡进行一定次数的结构面网络模拟并得到对应的安全系数,进而进行节理岩质边坡的可靠性分析。工程实例结果表明:(1)节理岩质边坡的稳定性主要受坡面附近结构面的数量及切割组合关系影响,结构面的数量越多,连通情况越好,则边坡稳定性安全系数越小; (2)该边坡的平均稳定性安全系数为3.06,失效概率为5%,表明该边坡有较高的可靠性,这与实际情况比较一致。本文的分析方法主要考虑了结构面的随机分布特征,能为节理岩质边坡的稳定性分析提供一条新的思路和方法。     

基于不同方法的江苏镇江地区下蜀土边坡稳定性分析与评价

边坡失稳是一定区域内的地质环境条件相互作用不断演化的结果,对边坡的稳定性评价时需要考虑多种因素。本文以镇江地区下蜀土边坡的稳定性影响因素和评价方法为主要研究对象,采用粗糙集属性约简理论得到对边坡影响较大的6项影响因素;通过建立影响因素相互作用关系矩阵,得出影响因素相互作用对边坡稳定性的影响程度和重要性程度以及权重值。最后建立边坡稳定性评价指标及量化标准,并确定SII指数的计算方法及对应的边坡稳定性分级,从而形成镇江地区下蜀土边坡稳定性的综合评价方法,为该地区边坡稳定评价提供依据。     

不同权重条件下降雨对边坡稳定性影响的二级模糊综合评判

边坡稳定性影响因素众多,其中一部分具有明显的不确定性,用经典数学理论及力学模型很难描述。采用二级模糊综合评判法,对影响边坡稳定的离散型和连续型因素采用不同方法确定隶属度,并利用二元对比分析法给出各因素权重值;同时考虑降雨对边坡稳定的重要影响,对降雨后各影响因素的权重进行修正,建立边坡稳定的二级模糊综合评判计算模型,评价降雨前后边坡稳定性的变化。研究结果表明：模型所采用的隶属函数,充分考虑了各个因素的不同特点和分布规律;考虑降雨前后权重的变化,能使评判结果更趋合理。以实际工程为例,模糊综合评判结果显示：降雨前边坡处于基本稳定状态,降雨后处于欠稳定状态,与经典极限平衡法计算结果一致。     

基于神经网络范例推理的边坡稳定性评价方法

提出了基于神经网络范例推理的边坡稳定性评价方法。针对边坡的稳定性影响因素的复杂多变性和相当强的不确定性,建立了基于神经网络的边坡范例检索模型。运用神经网络强大的自适应、自组织、自学习的能力以及高度的非线性映射性、泛化性和容错性的特点,通过边坡范例的神经网络学习,建立了当前边坡和边坡范例之间相似性计算关系,最终实现了当前边坡的稳定性评价。对于8个验证边坡范例,模型的预测准确性达到了100 %,范例中的160组数据的相关性也达到了 0.981 5,表明建立的模型具有很高的预测准确性,模型的泛化能力很强。     

遗传模拟退火的BP算法在冲击地压中的应用

冲击地压的预测、预报的研究,大多数仍停留在简单的统计研究和单因素的预测方面,因而,结果也不十分理想。笔者采用多层前向网络对该问题进行数学建模,网络的训练算法采用基于遗传模拟退火的BP优化算法。该算法是在遗传算法中引入模拟退火机制,将其同BP算法结合,形成一个混合的优化算法。新算法既有神经网络的学习能力和鲁棒性,又有遗传算法的强全局随机搜索能力。同时,利用华丰矿冲击地压的实际监测数据,通过遗传算法的主要性能指标对新算法的参数进行了比较研究,得到优化后的一组参数。利用该参数,对冲击地压的神经网络模型的结构、权值和阈值进行了优化,得到了非全连接的优化神经网络模型。最后,利用该模型对华丰矿冲击地压进行了短期最大震级的预报。预测结果的相对误差率平均为 7.84 %,预测效果比较理想。     

围岩力学参数反演的GSA-BP神经网络模型及应用

针对遗传算法（GA）存在早熟现象和局部寻优能力较差等缺陷,引入具有很强局部搜索能力的模拟退火算法（SA）,组成改进的遗传模拟退火算法（GSA）提高优化问题的能力和求解质量。针对BP神经网络容易陷入局部最小和收敛速度慢等方面的不足,应用改进的遗传模拟退火算法搜索BP神经网络的最优权值和阀值,提高BP神经网络的预测精度,建立了围岩力学参数反分析的GSA-BP神经网络模型。将该模型应用于乌东德水电站右岸地下厂房围岩力学参数的反演分析中,根据监测围岩变形数据反演围岩力学参数,反演所得参数应用到正计算分析中,得出的计算位移与实测值吻合较好,说明该方法的有效性和应用于该工程的可行性。     

边坡稳定性的CPSO-BP模型研究

为了分析边坡的稳定性,利用协调粒子群算法和BP网络建立了边坡稳定性CPSO-BP预测模型。BP网络能够很好地描述边坡稳定性与其影响因素之间复杂的非线性关系,将内摩擦角、边坡角、岩石重度、边坡高度、黏聚力、孔隙压力比6个主要影响因素作为网络的输入,将边坡稳定性系数作为网络的输出。为避免BP网络陷入局部最优,利用协调粒子群算法的全局优化能力确定BP网络的连接权值和阀值,使BP网络的优势得到分发挥,达到提高模型预测精度目的。实例表明CPSO-BP模型有更好地预测精度以及将其应用于边坡稳定性预测是可行的。     

基于SOFM神经网络的边坡稳定性评价

针对边坡工程稳定性分析中参数的不确定性,在分析自组织特征映射神经网络（SOFM）基本学习算法的基础上,从提高算法收敛速度和性能出发,将自组织特征映射神经网络基本学习算法加以改进,据此建立了评价边坡稳定状态的SOFM神经网络模型。然后用收集到的边坡稳定工程实例作为样本,对该模型进行训练和检验,并与BP神经网络判别结果对比。结果表明,SOFM神经网络性能良好、预测精度高,是边坡稳定性评价的一种有效方法。     

圆弧形公路边坡稳定性分析的神经网络法

边坡的稳定性往往取决于一些难以确定的非线性因素。而人工神经网络法具有并行处理数据与信息、良好的容错特性和较强的抗噪声能力,可以通过自学功能从样本实例中获得复杂的非线性关系,能模拟人脑的某些智能行为,因而适用于解决非确定性的边坡稳定性评价问题。本文建立了边坡稳定性评价的神经网络BP模型,用收集到的边坡稳定破坏实例作为样本进行学习,对桂林-柳州一级公路中K250段公路边坡进行了稳定性评价,结果表明：神经网络法是一种有效的边坡稳定性分析方法。     

BP网络的改进及模拟退火神经网络在地学中应用

本文针对ＢＰ神经网络收敛速度慢的缺点，提出了改进方案。还引进了模拟退火理论，将模拟退火算法与ＢＰ神经网络计算方法结合，并通过对正弦函数岩性识别及跨孔地震层析成象的试验，证明模拟退火ＢＰ算法是有效的、大范围收敛的。而且，具有良好的收敛速度和很高的精确度。     

岩质边坡稳定性预测的BP网络法

结合已有岩质边坡工程实例,针对岩质边坡稳定性预测中存在的问题,提出了运用BP网络预测岩质边坡稳定性的方法,并构造了相应的网络模型。预测结果表明,模型具有较高的预测精度,能够满足实际工程需要,是有一定实用价值和参考价值的边坡稳定性预测方法。     

基于人工神经网络对四川省黑水县公路边坡稳定性评价

边坡稳定性和许多影响因素有关,是一种高度非线性的问题,本文采用人工神经网络方法进行边坡稳定性评价,构建了具有6-19-12网络结构的三层BP网络。用该模型对四川省黑水县渔巴渡至客龙沟公路沿线边坡进行稳定性评价,其结果与传统经验公式计算法所得结果基本一致。     

基于遗传算法优化BP神经网络的玉米遥感估产方法

以内蒙古自治区开鲁县玉米作物为研究对象,将生育期内玉米遥感影像所提取的多种植被指数和实地采样点的测产数据作为训练值,利用BP(back propagation)神经网络和遗传算法优化BP(GA-BP)神经网络估产模型,得出网络预测的玉米产量数值。通过决定系数R 2和均方根误差RMSE,比较实测产量与预测产量之间的精度,BP神经网络模型R^2为0.8452,RMSE(%)为28.37;遗传算法优化BP神经网络模型R^2为0.9850,RMSE(%)为6.70,表明遗传算法优化BP神经网络估产模型具有一定可行性和可信度。