基于交替迭代算法神经网络评价岩石边坡稳定性

目前边坡工程中常用的稳定性分析方法主要分为极限平衡法和数值分析法2大类，文章对它们各自的主要愿理、特点及其优缺点等进行了阐述。首先，根据经典边坡稳定分析方法存在的局限性，提出有必要建立基于人工神经网络的边坡稳定性预报方法。其次，针对经典算法BP网络存在的某些缺陷，提出了一种交替迭代算法神经网络，以提高其非线性映射能力和泛化能力。交替迭代神经网络算法通过解2个阶数比较低的线性代数方程组，逐步求得连接权值的。以此提高收敛速度，且有利于寻求最优解。作者用FORTRAN语言编制了程序。分析了建立边坡岩体稳定性预测网络模型的建立中应该注意的几个方面。最后，基于已有的40个岩石边坡工程实例进行所建立的神经网络的训练和边坡稳定的预报，结果表明文中所建立的边坡稳定性预报方法具有较高的预报准确度。     

基于界面元法的向家坝重力坝深层抗滑稳定分析

重力坝的深层抗滑稳定分析多采用刚体极限平衡分析方法和非线性有限元法,但通常的刚体极限平衡法不能反映坝基岩体渐近失稳过程和破坏的力学机制,非线性有限元法则难以解决坝基中软弱结构面位移不连续问题。结合向家坝工程,建立了泄④坝段的计算模型,采用界面元法进行了大坝深层抗滑稳定分析,给出了坝基中破坏区的范围和分布,以及坝基的渐进破坏过程和可能滑体的抗滑稳定安全系数等成果,为坝基处理措施提供了重要的技术参考依据。研究结果表明,所建立的分析方法可以自然描述坝基岩体各种介质的错动、张开和滑移等不连续变形的特征,可用于重力坝坝基的深层抗滑稳定 分析。