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。     

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     

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。     

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T-S模型的模糊神经网络在边坡稳定评价中的应用

受地质、工程等众多因素的影响,岩土质边坡稳定性具有未确知性、随机性、模糊性、可变性等特点,很难用简单的力学、数学模型描述。提出了用基于Takagi-Sugeno模型的模糊神经网络来对边坡稳定性进行评价,该模型同时兼具神经网络和模糊逻辑二者的优点,既可以比较容易地处理模糊性的实际问题,又具有较好的学习能力。将此模型与BP神经网络模型同时应用于80个实际边坡样本进行训练和预测,结果表明该模型具有预测精度更高、收敛速度更快、预测结果与实际结果吻合度更高的特点     

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。     

模糊综合评价的边坡稳定性分析

根据模糊数学的基本原理和方法,分析影响边坡稳定性的诸多因素,建立边坡稳定性评价模型,确定边坡稳定性的分级指标、构成关系矩阵、确定隶属度,然后对影响边坡稳定性的各因素赋以权重,对工程实例进行稳定性评价,研究表明,评判模型的评价结果与现场情况吻合,模糊评价法在边坡稳定性分析中具有较好的应用价值。     

岩质边坡稳定性快速评估系统的构建及其应用

针对目前缺乏快速定量评价边坡稳定性方法问题,采用FLAC强度折减法计算了24个不同坡高、不同坡角、不同岩体质量级别边坡的稳定性系数,根据计算结果绘制了稳定性系数等值线图,该稳定性系数等值线图即为要构建的边坡稳定性系数查询系统,利用该查询系统,可以在已知坡高、坡角、岩体质量级别等条件下快速地查询到边坡稳定性系数,进而对边坡的稳定程度做出评价,实现了合理地定量快速评价边坡稳定性的目标。将该稳定性系数查询系统应用到一些边坡稳定性评价实例中,结果表明:用稳定性系数查询系统评价的边坡稳定性与其他学者用复杂评价方法评价的结果基本一致,这说明用本文提出的边坡稳定性系数查询系统进行稳定性评价是可行的。     

高速公路边坡稳定性评价新方法

为能在初期勘察阶段及少量室内和现场试验的基础上快速、准确地对高速公路边坡进行稳定性评价,提出了一种新的边坡稳定性评价方法。基于福建省高速公路边坡资料,以现场稳定情况为因变量,影响边坡稳定性的14个因子为自变量,利用Logistic逐步回归遴选显著影响因子,建立了边坡稳定性评价的Logistic回归模型。该模型符合拟合优度检验,模型稳定性良好,且预测结果准确。另外,模型影响因子的调查和获取比较容易,模型可处理定性因素,边坡稳定评价过程亦方便、快捷,因而边坡稳定性评价的Logistic回归分析可在高速公路边坡工程中推广应用。     

地下水在黄腊石边坡稳定性中的作用规律与评价

本文在对长江三峡区黄腊石边坡地下水位的实际监测资料及边坡工程地质条件系统分析的基础上,运用岩土塑性力学基本原理建立了充水条件下堆积层边坡坡体临界塑性区滑移深度数学评价模型,并运用该评价模型对部分充水条件下黄腊石边坡的临界滑移塑性区深度进行了计算与评价。并以此评价结果为基础,运用剩余下滑推力法确定了该边坡稳定性的时空动态变化规律,发现了地下水及其变化已成为影响和控制黄腊石石榴树包边坡整体稳定性最为敏感的关键因素,为该边坡稳定性趋势预测与防治提供了依据。     

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。     

水库边坡稳定性评价的改进云模型

水库边坡的稳定性受诸多因素的影响,以致其准确评价仍存在一定的困难。为克服传统的正态云模型方法在实际应用中存在的云模型特征值取值不统一以及使用期望隶属度而非实际隶属度两个问题,提出了改进型正态云模型,并在MATLAB软件平台上开发了便于模型应用的程序。选取影响水库边坡稳定性的12个主要因素作为评价指标,应用程序生成各评价指标在各稳定性等级的综合隶属度云模型,接着使用改进的熵权层次分析法确定各评价指标的相应权重,最后将平均综合隶属度最高值所在的级别确定为边坡的稳定性等级。将该方法应用于34个水电边坡工程稳定性评价实例,并将结果与现行国家规范推荐的CSMR法及这些边坡的实际状态进行了比对。结果表明该方法的准确度比CSMR法高,具有较好的可靠性和实用性,也可供公路、铁路或建筑等其他岩质边坡在进行稳定性评价时参考。     

桂柳高速公路边坡稳定性二级模糊综合评价

根据桂柳高速公路大量的实际数据分析，论证控制边坡变形破坏的主要影响因素及影响程度，其中地形地貌、地质环境、气候条件是基本因素，而人类活动对边坡变形破坏形成起加速和诱发作用，同时针对目前边坡稳定性评价及预测中指标选择及评价方法的不足，指出边坡稳定性评价指标具有分级的特点，并应用模糊数学知识，建立了边坡稳定性二级模糊综合评价模型，该模型包括了3个层次(目标层、因素层、因子层)、4个因素(地貌、地质、气候、人为作用)、14项因子，然后通过实例检验，证实该模型的实用性和有效性，最后用模型对桂柳高速公路路段内边坡稳定性进行了模糊综合分区。     

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。     

边坡稳定性预测的粗糙集-距离判别模型及其应用

为克服马氏距离判别模型无法考虑指标权重的不足,引入粗糙集理论,通过分析评判方法对评价对象的支持度和重要性计算得到权重系数。将权重系数嵌入距离判别模型,构建了边坡稳定性预测的加权距离判别模型。根据边坡失稳破坏特点,选取合理的判别因子,以大量工程实例样本作为原始数据和训练样本,建立了边坡稳定性评价预测的粗糙集-距离判别模型。将边坡稳定性评价预测的粗糙集-距离判别模型评价预测结果与马氏距离判别法、支持向量机理论、Bayes判别分析等方法得到的预测结果进行了对比分析,验证了粗糙集-距离判别模型的有效性。将建立的粗糙集-距离判别模型应用于黄河中游地区某大型水利枢纽库区边坡工程,预测结果与实际情况吻合。研究结果表明,粗糙集-距离判别模型具有权重分析合理、预测准确性高等优点,是进行边坡稳定性分析预测的一种新的有效途径。     

模糊优选神经网络在边坡稳定性分析中的应用

本文应用模糊优选神经网络理论,建立了边坡稳定性评价模型,综合分析了影响边坡稳定性的各种因素,根据它们作用程度的不同,赋予不同的权值,通过对收集到的边坡稳定性实例进行学习,提出了与优属度有关的函数关系式。可以看出:该方法具有精度高、收敛速度快、权值调整模型好等优点。     

GIS支持下基于可拓物元模型的边坡稳定性评价

边坡稳定性受多方面因素的影响,建立了多指标边坡稳定性评价的可拓物元模型。利用ArcGIS Engine二次开发平台实现了数据采集、数据管理、图形显示和评价结果可视化等功能,在此基础上集成了可拓物元模型分析模块。并通过一个实例进行了从数据录入、可拓物元模型分析到结果可视化显示等一系列操作的应用测试。     

基于未确知测度的边坡地震稳定性综合评价

文章提出一种基于未确知测度理论的边坡地震稳定性综合评价方法,建立了各评价指标的未确知测度函数。根据信息墒理论计算各评判因子的权重,用置信度识别准则进行等级判定,得出了评价结果。该评价方法能解决边坡地震稳定性评价中诸多因素不确定性问题,还能对其进行定量分析。对实际工程中的16个典型的地震边坡进行综合评价,并与灰色聚类法、综合指标法、实测震害的结果进行比较。研究结果表明:未确知测度评价法性能良好,正确率高,具有重要的实用价值,为边坡地震稳定性的综合评价提供了一条新途径。     

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.     

澜沧江某水电站泄洪洞出口边坡稳定性评价

岩土质边坡是一种自然地质体，其稳定性在很大程度上具有不确定性、模糊性。模糊分析是边坡稳定性分析的有效途径之一。文章采用模糊数学分析法，构建了二次模糊综合评判模型，对影响边坡稳定性的诸多因素进行了分类归纳，并根据不同的稳定状态，将边坡划分为5个等级，再结合某水电站右岸泄洪洞出口开挖边坡稳定性的实际问题，利用梯形函数构建了与该边坡稳定性分析相关因素的隶属函数、运用专家评分法确定了各因素的权重，最终对该边坡的稳定性进行了评价。结果表明该评价分析结果与实际相吻合，评价效果较好。