加权函数组合预测边坡变形模型的研究

边坡变形监测是边坡监测的主要内容之一,其变形预测问题是边坡工程中主要技术难题之一。考虑边坡位移变形预测模型的局限性,如神经网络预测方法需要大量的实测数据作为学习样本,灰色系统模型要求原始数据序列必须满足指数规律,且数据序列变化速度不能太快等。建立了边坡变形反向传播神经网络预测模型,同时给出了灰色GM(1,1)边坡预测模型。提出边坡的神经网络与灰色系统加权函数组合预测模型,采用动态规划解法,将原模型转化为多阶段决策问题,使组合预测误差的平方和最小,得到组合权重,这样得到的变形预测结果的精度将大大提高,弥补了单一方法的局限性,满足工程预测的需要。通过边坡实例加以验证,加权函数组合预测模型的预测结果精度有一定提高,能够与实际监测数据相吻合,达到准确预测的目的。     

软土路基沉降变权重组合S型曲线预测方法研究

通过对软土路基沉降发展规律及其沉降曲线特点进行深入研究,在S型单项预测模型基础上,基于5种S型增长曲线模型,引进组合预测的思想,重点探讨了软土路基沉降发展的预测方法与理论,并建立了软土路基沉降预测的变权重组合S型增长模型,通过数学规划方法求解,从而可根据有限的实测沉降观测数据预测软土路基沉降发展过程。工程实例分析表明,利用该模型与方法得到的预测曲线与实测曲线吻合良好,能够满足工程要求,此外,变权重组合预测模型比其它单项模型具有明显的优越性,为软土路基沉降发展预测提供了一种有效而实用的方法。     

边坡位移预测组合灰色神经网络方法

边坡位移的发展受地质条件、气候环境及人类活动等因素影响,变化趋势复杂,难以建立准确的经典数学模型对其进行全面描述。为了较准确地得到边坡位移数据,采用多模型信息融合技术对其进行预测。首先,将边坡这类影响因素复杂的系统作为一个灰色系统,分别采用GM(1,1)模型、Verhulst模型及DGM(2,1)模型对位移值进行预测;其次,考虑到神经网络的高速并行计算能力和类似人类思维活动的处理机制,利用神经网络方法对不同的灰色预测模型组合,生成灰色神经网络模型。通过反复训练、学习,自动调节,得出各模型在组合模型的合理权重,输出满意的结果。对比发现,利用组合灰色神经网络模型预测的位移值较单独的灰色模型预测的位移值具有更高的精度。     

边坡位移预测的非线性组合模型及应用

通过边坡现场监测位移序列来预测未来时间边坡的位移,可以有效地评价和判断边坡的稳定性。多种非线性分析方法的组合可以有效提高预测精度,将灰色理论与投影寻踪回归各自的优缺点的基础上,提出了将二者相结合的一种新的预测模型--时序投影寻踪回归模型。新模型既发挥了灰色预测方法中“累加生成”的优点,弱化了原始序列中随机扰动因素的影响,增强了数据的规律性,又充分利用了投影寻踪回归方法易于描述非线性关系的优良特性,避免了灰色预测方法及模型存在的理论缺陷。同时,对模型的可靠性进行了验证。将文中提出的时序投影寻踪回归方法应用到 2 个工程实例,研究结果表明该模型预测值与实测值吻合较好,具有较高的精度,可为边坡位移的预测提供一条新的途径。     

基于小波变换和GALSSVM的边坡位移预测

边坡变形是一个受多种因素综合作用的复杂非线性动力学演化过程,用现有的物理模型来解决边坡变形的预测问题有很大难度。大量的研究工作表明,用实测的边坡位移时间序列来预测边坡未来变形更为准确,而将多种方法组合起来进行预测成为研究的主要趋势。在此基础上,建立了一种基于小波变换和进化最小二乘支持向量机(GALSSVM)的边坡位移预测模型。首先利用小波变换将边坡时间序列分解为低频分量和高频分量,然后利用互信息法和伪近邻法得到各分量的时间延迟和嵌入维数并进行相空间重构,再根据各个相空间的特点建立相应的GALSSVM预测模型,最后把各分量的预测结果进行小波重构,重构后的结果即为最终的边坡位移预测结果。对丹巴滑坡预测研究表明,这种新的预测模型具有较高的预测精度,可以应用于实际工程     

基于灰色最小二乘支持向量机的边坡位移预测

利用边坡实测位移序列预测边坡未来时间的位移,可以有效地判断边坡的稳定性。在分析了灰色预测方法和最小二乘支持向量机各自的优缺点的基础上,提出了将二者相结合的一种新的预测模型--灰色最小二乘支持向量机预测模型。新模型既发挥了灰色预测方法中“累加生成”的优点,弱化了原始序列中随机扰动因素的影响,增强了数据的规律性,又充分利用了最小二乘支持向量机求解速度快、易于描述非线性关系的优良特性,避免了灰色预测方法及模型存在的理论缺陷。同时,采用遗传算法进行了模型的参数优化,通过2个工程实例说明灰色最小二乘支持向量机模型预测边坡位移的有效性,具有较高的精度。     

基于动态空间面板模型的填方路基边坡坡面位移预测

传统的边坡位移预测由于监测周期长、主要解释变量难以独立监测,存在建模困难、模型冗余、不具备空间预测能力等问题。以某半填半挖的高填方路堤边坡为研究对象,基于坡面位移实测数据,引入空间计量经济学基本理论和动态面板数据分析方法,检验和量化了不同测点间的空间关系,建立了坡面位移的动态空间面板数据模型,并进一步地检验了模型的预测结果。研究结果表明,相较于传统的时间序列模型,该模型参数更加简洁,并可同时对空间所有测点进行预测。模型不仅在时间维度有良好的预测效果,还具有一定的空间预测能力。     

基于PSO-SVM的边坡稳定性组合预测方法研究

为利用不同边坡稳定预测方法的特征信息,改进预测质量,提出了一种基于微粒群优化--支持向量机(PSO-SVM)的边坡稳定性非线性组合预测模型。该模型能够利用边坡的特征参数快速预测出边坡的稳定性,且在建模过程中可对不同建模方法的特征信息进行整合,避免了单一方法的偶然性。为提高SVM的学习、泛化能力,采用混合核函数,并用具有并行性和分布式特点的PSO算法优化选择SVM模型参数。利用该非线性组合预测模型对73个边坡实例进行学习,对另外10个边坡实例进行推广预测,研究结果表明,该模型较好地整合了不同建模方法的特征信息,较单一模型、加权组合模型和BP网络组合模型具有更高的预测精度和更小的峰值误差,为边坡稳定性评价提供了一种新的途径。     

GM—BP串联组合预测模型在滑坡变形监测中的应用

为了提高滑坡的预测精度,通过对灰色GM（1,1）模型与BP神经网络模型各自优缺点及互补性的分析,建立了GM—BP串联组合预测模型。模型首先采用等维动态GM（1,1）模型进行初步预测,然后利用BP神经网络对初步预测的结果进行训练及仿真,通过数据的归一化处理,参数的判定选取,获得组合模型预测值。以茅坪滑坡为例,对位移进行了预测。通过数据的对比分析,发现GM—BP串联组合预测模型在短期预测精度上高于单一模型。     

考虑实测数据新旧程度的工后沉降单项模型预测方法

工后沉降预测是建筑物地基或路基安全性与加固维护方案决策的重要依据。因此,为了获得更加合理而简单实用的单项模型工后沉降预测方法,本文针对实测沉降数据新旧程度对地基沉降预测效果的影响,引入新鲜度函数,对单项预测模型沉降计算值与实测值之间的误差描述方法进行改进,从而建立出单项预测模型拟合分析的新型目标误差函数,并在此基础上,提出了基于实测沉降曲线的拟合分析确定地基单项沉降预测模型参数的新方法,进而提出了反映实测沉降数据新旧程度影响的单项模型工后地基沉降预测新方法。它既不失传统单项模型沉降预测方法简单实用的特点,还能明显改善地基沉降预测的效果。     

基于最优加权组合模型及高斯－牛顿法的滑坡变形预测研究

在对最优加权组合理论和高斯－牛顿法优化非线性模型参数的方法研究的基础上,依托于洒勒山滑坡的实际变形监测资料,建立了该滑坡变形预测的3个非线性预测模型:指数模型、Verhulst模型和灰色GM（1,1）模型;利用最优加权组合理论建立了洒勒山滑坡的最优加权组合预测模型,并运用高斯－牛顿法对各单一模型和组合模型的参数进行了优化。通过对比分析得出:组合模型的预测精度高于任何单一模型的预测精度;参数优化后各单一模型的预测精度都有不同程度的提高;参数优化后的组合模型预测精度是最高的。因此,综合运用最优组合理论和高斯－牛顿法处理滑坡预测预报模型,是提高滑坡预测预报精度的行之有效的方法。     

边坡稳定分析的神经网络改进模糊点估计法

边坡稳定性分析中,模糊点估计法能同时考虑模糊不确定性和随机不确定性因素。针对传统模糊点估计法计算工作量大的缺点,提出一种神经网络改进模糊点估计法。利用拉丁超立方抽样法和径向基函数神经网络（RBF）建立边坡安全系数的预测模型;对黏聚力和内摩擦角等模糊随机变量取λ截集,并在各截集水平对参数进行组合;利用建立的预测模型对各参数组合的安全系数进行预测;最后由统计矩点估计法计算边坡的可靠度指标。实例分析表明：改进模糊点估计法使用方便、结果可靠,且能通过增加λ截集水平的数目来提高计算精度。对于含有2～4个模糊随机变量的边坡,采用改进模糊点估计法计算可靠度时λ截集水平的数目可近似取25。     

等权平均组合预测在斜坡变形位移中的应用

单一预测模型仅能体现系统的局部,其预测精度较差。为此,研究了组合预测方法在斜坡变形位移中的应用,它将各种预测方法进行适当的组合,综合利用各种预测方法所提供的有用信息进行预测。首先建立5种单一预测模型分别进行了预测,然后把各个预测模型的预测结果等权平均进行组合预测。并通过对链子崖危岩体监测点 位移值的预测,预测结果表明其绝对误差较低,精度较高,大大地提高了预测的精度和稳健性。     

武汉阳逻电厂烟囱基础沉降预测研究

由于影响因素的复杂性及参数选取的问题,基于固结理论的沉降计算值与实测值有较大差异,沉降预测有着重要的研究意义。灰色系统理论成功地解决了许多信息不完全的预测问题,并得到了广泛的应用。灰色模型的建立,是以等时距原始数据作为前提条件的。由于在实际应用时所获取的数据往往不是等时距的,难以建立其预测模型。为了克服灰色模型以上缺点,对灰色模型进行了改进,建立了不等时矩的预测模型。将不等时距灰色预测模型应用于武汉阳逻电厂烟囱基础沉降中,并采用FLAC3D有限差分程序对烟囱基础沉降全过程数值模拟,通过跟踪关键监测点的位移与实际监测值对比研究,结果表明,不等时距灰色预测模型精度较好,可以运用到实际工程中。     

降雨诱发型堆积层滑坡的位移动力学特征分析

根据降雨诱发型堆积层边坡物质组成特点与位移构成性质,建立了边坡粘弹性位移动力学模型与位移动力学方程,并以此为基础系统分析了其位移动力学行为和特征以及位移与地下水位或降雨量定量关系,发现了边坡的位移动力学特征主要取决于边坡的地下水位及其变化规律,且其位移和位移速度在整体失稳前具有强烈的波动性。上述位移动力学规律表明,仅运用位移或位移速度作为单一动力学响应参数来评价与预测该类边坡稳定性存在一定局限性。因此,选择和建立堆积层滑坡的位移多源信息预测理论与模型将具有重要的理论意义与实用价值。     

基于改进极限学习机模型的岩质边坡稳定性评价与参数反演

岩质边坡的稳定性评价与参数确定是岩土工程领域的经典难题。基于大数据智能计算的优点,提出了一种结合变量遗忘因子的正则化在线序列极限学习机模型(FOS-ELM)的岩质边坡稳定性评价和参数确定方法。根据收集的1 235例岩质边坡的几何力学与Hoek-Brown模型参数,应用贝叶斯信息准则(BIC)优选基于岩体强度指标(GSI)、扰动因子(D)、岩石材料常数(m_i)、单轴抗压强度(σ_(ci))、岩体重度(γ)、坡高(H)、坡角(β)的最优输入组合预测边坡稳定安全系数(F),并建立7个模型对最优输入组合进行评价,论证模型的预测精度,结果表明全参数输入组合精度最高,但输入参数并不是越多越好。同经典的极限学习机模型(ELM)相比,该模型具有预测精度高、预测速度快、后期增加边坡数据无须重新训练等优点。并采用不同赋值的全参数输入模型(FOS-ELM-M_7)建立边坡参数反演模型,结果表明该模型对边坡单参数和双参数的反演计算速度快、精度高,为获取岩体边坡参数提供了一种快捷的新方法。     

滑坡变形组合预测方法的研究

为了预测边坡变形大小,以便及时采取防治措施,通过取不同的迟滞时间对原始监测数据进行相空间重置获得新的数据序列,再以这些新的数据序列为基础,采用预测残差平方和最小的线性优化方法,将ARMA时间序列法和GM（1,1）灰色理论的预测结果进行组合,对某矿的边坡变形量进行滚动组合预测。对不同方法的预测精度和预测残差的标准差进行了对比分析,结果对比表明,组合预测较单项预测方法残差标准差明显减小,且相空间重置后的组合预测结果提高了直接预测的平均预测精度,这为边坡变形趋势的预测与防灾预警提供了可靠的方法。     

饱和度对风化花岗岩边坡土体抗剪特性的影响

强降雨易诱发风化花岗岩边坡浅层滑坡,其滑坡滑动面多位于具有较大孔隙尺寸的强风化带。通过对广西玉林与梧州交界处风化花岗岩边坡浅层滑坡的现场勘查和对不同层位的土体进行物理力学试验,研究了饱和度对湿热地区风化花岗岩双层土质边坡抗剪强度的影响,发现两个风化带土体都存在一个“最优饱和度”使抗剪强度达到峰值,但饱和度对抗剪强度指标的影响规律不同,即饱和度对黏聚力影响很大,对内摩擦角影响很小;花岗岩全风化带与强风化带土体性质差异明显,尤其表现在饱和度影响下抗剪强度特性方面,从基质吸力理论和颗粒间胶结作用角度分析所发现的现象,可以清楚地解释产生差异的机制,为风化花岗岩边坡的开挖和滑坡的防治提供理论基础。     

球状风化花岗岩类土质边坡随机重构与其失稳破坏模式研究

球状风化花岗岩类土质边坡高度的非均质性、非连续性以及土-球接触界面的复杂性致使其失稳破坏复杂多变,综合运用几何学、计算机随机模拟技术等,以有限元软件ABAQUS为平台,基于Python开发了球状风化花岗岩类土质边坡的随机结构模型程序,研究了球状风化体的含量、空间分布、粒度组成以及土-球接触界面等作用下球状风化体类土质边坡的失稳破坏模式。结果表明：球状风化花岗岩类土质边坡破坏模式复杂多变,且由于球状风化体的存在,使得该类边坡的潜在滑动面极其不规则,甚至出现多条滑动面;位于滑动面附近的风化体阻碍了滑动面的发育,迫使其出现“绕石、分流或者包含”的塑性扩展模式。随着球状风化体含量的增长,坡体内部越来越难以形成单一的、上下贯通的滑动面,安全系数随之逐步提高;(0.22～0.3)L_c粒径风化体含量越多,Ⅱ区风化体所占面积越大,越有利于边坡稳定;土-球接触界面最有可能发展为滑动面,界面接触类型显著影响着球状风化花岗岩类土质边坡的失稳演化过程。研究成果可为合理准确地评价球状风化花岗岩类土质边坡的稳定性提供科学依据和理论支撑。     

基于坡度特征的花岗岩风化程度划分方法研究

针对目前遥感技术手段难以快速划分岩石风化程度的问题,以花岗岩为研究对象,通过分析风化程度与坡度的耦合关系,提出了一种基于坡度特征的花岗岩风化程度划分方法。该方法首先利用卫星遥感数据解译区域地层岩性,通过立体像提取区域坡度信息; 然后对坡度分级并统计花岗岩地质体内各级坡度的面积百分比; 最后根据坡度分级特征曲线判断花岗岩风化程度。野外验证表明,该方法可以准确划分花岗岩风化程度,可为工程设计和施工作业提供参考。