基于粗糙集理论的边坡稳定性评价中因素权重确定方法的研究

为了准确计算影响边坡稳定性的各个因素的权重,应用粗糙集理论对原始数据进行挖掘,在实测数据离散化的基础上,将权重确定问题转化为粗糙集中属性重要性评价问题,建立了关于边坡稳定性评价的关系数据模型,经过属性值特征化建立了知识系统,在数据分析下通过分析评判方法对评价对象的支持度和重要性,计算出边坡稳定性评价模型的权重。该方法克服了传统权重确定方法的主观性,使得边坡稳定性评价方法更具客观性,从而提高了边坡稳定性评价的精度,通过实例说明该方法更加合理有效。     

基于权重反分析方法的加权距离判别法及应用

距离判别分析法在应用过程中常将各评价指标的重要性视为一致,实际上各指标重要性是不同的,故需对各指标进行加权处理。权重的合理取值对最终的评判结果有着很大的影响,目前尽管确定权重的方法有很多,但都有其不足之处。鉴于此,在马氏距离的基础上,推导了加权马氏距离的求解公式,并采用一对多的分类方法建立了多总体加权马氏距离判别准则。在确定各指标权重时采用了基于优化理论权重反分析的新思路,把直接给权重问题转化为通过实际工程样本反求各影响因素权重问题,该方法不需先知经验,求解过程完全由实际样本驱动,具有很强的可操作性。将改进后的加权距离判别分析方法应用于实际工程中的围岩分类问题,结果表明,该方法的判别结果是可靠的。距离加权的方法完善了距离判别分析法理论,权重反分析方法是一种通用方法,可用于任何求解权重的问题,为权重的求解提供了一种新思路。     

基于权重反分析和功效系数法的地下储油洞库围岩分类模型及应用研究

选取岩石抗压强度、完整系数、结构面状态、地下水发育情况、洞轴线与软弱结构面的夹角作为地下储油库工程围岩稳定性的评价因素,并采用权重反分析的方法确定各指标的权重,建立了基于权重反分析方法和功效系数法的洞库围岩稳定性评价模型。最后,将建立的围岩分类模型应用于实际工程,通过与实际开挖结果对比表明,模型判别结果与实际开挖揭露围岩类别相吻合,证明了该方法用于地下储油洞库围岩分类的合理性和有效性,为地下储油洞库围岩稳定性判别提供了一种新思路。     

一种改进的公路边坡稳定性模糊评价方法研究

考虑影响公路边坡稳定性信息的不完整性、随机性和模糊性,以最大熵原理和工程模糊集理论为基础,并采用综合赋权法确定指标权重,提出了一种改进的公路边坡稳定性模糊评价方法。该模型充分利用影响因素的信息,以广义加权距离表示待评价样本与标准样本的差异,从优化条件中获得相对隶属度,并依据加权平均原则对边坡样本等级进行识别。该模型应用于常吉和吉怀高速公路边坡稳定性评价中,将评价结果与模糊综合模型和属性识别模型的结果以及边坡实际情况进行对比验证,体现了其较好的一致性,并且结果更合理。同时,该模型具有较小的信息熵值,表明其评价的不确定性小,可靠性较高,是一种边坡稳定性评价分析新方法,可在相关工程领域中应用推广。     

基于模糊因素的岩质边坡地震稳定性多模型组合评价

岩质边坡地震稳定性评价是岩土边坡地震失稳防治的基础工作,针对评价过程中评价因素的多源模糊性,借鉴工程可变模糊集理论,将模糊可变评价模型应用于岩质边坡地震稳定性评价中。综合考虑岩质边坡内在结构和外部自然条件,选取岩土体特性、新构造运动特征、坡高、坡角、年均降雨量和场地地震烈度6个指标作为评价指标体系并建立等级标准;将改进熵权算法引入该模型中,利用指标实际数据离散性求权重;通过改变模糊可变评价模型参数对岩质边坡地震稳定性进行线性与非线性组合评价,并将均值作为最终评价结果。将该方法应用于天然边坡与路堑边坡实例中,结果表明,模糊可变评价模型评价结果合理、客观,具有更高的可靠性与稳定性,为岩质边坡地震稳定性评价工作提供了一种新的研究方法与思路     

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。     

岩质边坡稳定性评价的粗糙集－支持向量机方法

结合粗糙集和支持向量机两种智能算法,建立了基于粗糙集与支持向量机的岩质边坡稳定性评价模型。首先根据有限的经验数据建立属性决策表,通过属性约算法找出影响边坡稳定性的关键因素;然后将所提取的关键信息训练支持向量机。本文以铁路沿线边坡为例,进行边坡稳定性验算,结果表明算法能有效降低边坡稳定性影响因素集数据维数及支持向量机的复杂程度,提高训练速度和泛化能力。     

岩质路堑深边坡稳定性评价的模糊概率方法

边坡工程是一个动态的、模糊的、开放的复杂系统,影响边坡稳定性的因素复杂且具有随机性和模糊性,传统的分析方法难以对复杂边坡的稳定性作出符合实际的评价。运用模糊概率的基本原理,建立了岩质路堑深边坡稳定性评价的模糊概率模型。在此模型中,综合选取了边坡岩体质量系数SRQC、边坡结构系数SSC、坡高系数SHC、坡角系数SCC、工程因素影响系数EFEC等5个评价指标因子;同时将边坡稳定性评价等级划分为很不稳定、不稳定、基本稳定、稳定以及很稳定5个等级。利用模糊概率模型对20个典型的边坡工程进行了稳定性评价分析,结果表明：该方法具有明显的合理性和可靠性,为边坡工程的预测与防治提供了新的途径。     

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。     

黄土高边坡稳定性评价的改进可拓工程法

针对影响黄土路堑高边坡稳定性因素的复杂性和模糊性,将可拓工程方法与路堑边坡稳定性评价相结合,通过参数正交试验分析确定权重,提出了路堑边坡稳定性评价的物元关联函数及物元关联度的计算方法。建立了适合可拓学理论的边坡稳定性分类标准,实现了定性与定量评价黄土路堑边坡的结合。实例评价结果与定值计算、工程实际调查吻合良好。      

基于距离判别分析方法的深基坑支护方案优选研究

基于马氏距离判别分析理论,分析了影响深基坑支护方案的因素,从安全性、经济性、可行性3个方面选取了10个实测指标作为影响深基坑支护方案选型的判别指标,利用国内大量的深基坑支护实例作为学习样本进行训练,建立距离判别分析模型,对深基坑支护方案进行优选,并利用回代估计法对距离判别分析模型进行检验。研究结果表明,经过训练后的支护方案优选模型误判率很低,判别优选能力很高。预测样本与工程实例的检验表明,距离判别分析模型优选性能良好,验证了该模型的高效性和实用性。说明距离判别分析理论是解决深基坑支护方案优选问题的有效方法之一,可以在实际工程中进行推广。     

基于判别分析法的地震砂土液化预测研究

将距离判别分析方法应用于砂土液化的预测问题中,建立了砂土液化预测的距离判别模型。选用震级、研究深度、震中距、标贯击数、地下水位及地震持续时间等6项指标作为判别因子,以大量的工程实例数据作为学习样本进行训练,建立了线性判别函数对待评样本进行了评价。研究结果表明,距离判别分析模型判别砂土液化效果良好,预测准确度高,回判估计误判率低,可望成为砂土液化预测的有效手段。     

An extreme learning machine approach for slope stability evaluation and prediction

This paper presents slope stability evaluation and prediction with the approach of a fast robust neural network named the extreme learning machine (ELM). The circular failure mechanism of a slope is formulated based on its material, geometrical and environmental parameters such as the unit weight, the cohesion, the internal friction angle, the slope inclination, slope height and the pore water ratio. The ELM is proposed to evaluate the stability of slopes subjected to potential circular failures by means of prediction of the factor of safety (FS). Substantial slope cases collected worldwide are utilized to illustrate and assess the capability and predictability of the ELM on slope stability analysis. Based on the mean absolute percentage errors and the correlation coefficients between the original and predicted FS values, comparisons are demonstrated between the ELM and the generalized regression neural network (GRNN) as well as the prediction models generated from the genetic algorithms. Moreover, sensitivity analysis of the slope parameters and the ELM model parameters is carried out based on the two utilized evaluation functions. The time expense of the ELM on slope stability analysis is also investigated. The results prove that the ELM is advantageous to the GRNN and the genetic algorithm based models in the analysis of slope stability. Hence, the ELM can be a promising technique for approaching the problems in geotechnical engineering.     

高斯过程机器学习在边坡稳定性评价中的应用

针对边坡工程是复杂的非线性系统,采用常规的理论分析和数值计算方法难以满足对边坡稳定性评价的高精度与快速性的要求,为此,提出对处理非线性复杂问题具有很好的适应性一种有概率意义的核学习机--高斯过程机器学习方法来解决边坡稳定性的合理评价问题,建立了相应的边坡稳定性预测模型。工程应用研究结果表明,采用高斯过程机器学习方法进行边坡稳定性评价是科学可行的,该方法能很好地表达边坡稳定性与各影响因素之间的非线性映射关系,能方便快捷地给出合理可靠且具有概率意义的边坡稳定状态评价结果,为实现边坡快速设计的工程实践要求提供了一条新的途径。     

基于集对云模型的边坡稳定性评价

集对分析对边坡稳定性进行评价时,采用线性公式来表达联系度,难以准确反映工程实际,且具体的联系度扼杀了系统的随机性。对此,将云理论中“隶属云”的概念引入对联系度进行改进得到云联系度,形成了集对云模型。该模型将云联系度矩阵与云理论改进AHP确定的权重矩阵相结合,得到综合云联系度矩阵,通过云发生器绘出等级云图。该模型兼顾系统的模糊性和随机性,且实现了等级的可视化,并通过X云发生器得到隶属不同等级的概率。将该模型应用于边坡工程中,与既有模型和工程实际进行对比分析,验证该模型的准确性,并对不同的边坡进行稳定性排序。模型结合云理论与集对分析的优点,充分考虑系统的随机性,为边坡稳定性评价提供了一种思路和参考。      

山区公路地质灾害减灾决策支持系统——以西藏古乡沟泥石流为例

由于复杂地形条件和地质条件以及降雨、地下水等因素的影响,山区公路易受到泥石流、滑坡、崩塌、溜砂坡等地质灾害的危害。文章在对山区公路地质灾害模型研究和分析的基础上,建立了滑坡稳定性分析、泥石流活动性分析、泥石流危险范围预测与危险性分区、滑坡区公路整治方案优选、拦砂坝优化设计等灾害分析模型和减灾决策模型,通过数据库、分析模型和决策模型的集成,建立了基于组件式GIS的山区公路地质灾害减灾决策支持系统。作为系统应用的实例,文章最后讨论了系统在古乡沟泥石流危险范围预测的应用,预测了一定条件下泥石流堆积扇上的泥深,泥石流运动过程中出现的最大泥深、最大速率、最大动量和最大动能,为古乡沟泥石流的预防和治理提供了科学依据。     

土质边坡预应力锚索设计方法探讨

在满足边坡稳定安全的基础上,运用边坡稳定性分析中的传递系数法分析边坡推力分布特征,以边坡主下滑段为预应力锚索加固对象,考虑其上滑体的下滑推力和阻滑段的抗力作用,得出了求解加固段各条块预应力锚索抗力的计算公式,建立了预应力锚索设计荷载与其布置间距的关系,提出了一套土质边坡预应力锚索加固设计的方法,该方法形式直观、运用方便,可直接确定预应力锚索设计荷载与其布置间距,且边坡的稳定性能自动满足工程要求。用该设计方法对某工程进行了实例分析,取得了较好的效果。