神经网络在边坡稳定性分析中的应用

应用神经网络理论,提出了圆弧式破坏边坡的边坡安全系数估计的新方法,通过对搜集到的边坡稳定性实例进行了实习和预测,可以看出,神经网络方法有精度高,收敛速度快,容错能力高等特点。     

用改进后的BP神经网络评价黄土质边坡稳定性

首先介绍了改进BP神经网络性能的几种方法；在此基础上，考虑影响黄土质边坡稳定性分析的各种自然因素，包括坡高，坡比，强度指数，土何内摩擦角，土体容重，空隙水压力系数以及地震烈度统方法的计算结果进行逐一对比，对比结果证明了该方法能够满足一般黄土质边坡稳定性评价的精度要求；另一方面，由于方法的改进大大减少了网络的计算时间，使得黄土质边坡稳定性的评价更为便捷迅速，从而证明该方法具有一定的推广应用价值。     

基于PSO和LSSVM的边坡稳定性评价方法

提出了基于粒子群算法（PSO）和最小二乘支持向量机（LSSVM）的边坡稳定性评价方法。该模型既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,同时也利用了粒子群算法快速全局优化的特点。粒子群算法用于搜索最小二乘支持向量机模型的最优参数,然后将模型用于预测边坡的安全系数。计算结果表明,该方法是合理的、有效的。     

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。     

边坡稳定性的神经网络预测研究

根据神经网络法的基本原理，结合38个实际边坡工程稳定实例，应用VB5．0可视化编程语言，建立了边坡稳定性的神经网络预测模型，并运用该模型对部分边坡工程的稳定性进行预测，预测结果与边坡实际稳定状态相吻合，从而表明了神经网络法在边坡稳定性预测中的有效性。     

边坡稳定性的神经网络估计

应用神经网络理论,本文提出了圆弧破坏和楔体破坏的边坡安全系数估计的新方法。为解决安全系数估计的知识的学习问题,提出了一种推广学习算法。用它对收集到的边坡实例进行学习,然后进行推广,预测出新边坡的安全系数。与极限平衡法和极大似然法的估计结果进行了比较,可以看出,神经网络方法具有推广预测精度高、自学习功能强、考虑不确定性能力强等特点。     

因子分析-概率神经网络模型在边坡稳定性评价中的应用

边坡稳定性分析是一个复杂的系统工程问题,其评价直接影响边坡工程的安全性与经济性。为了实现对边坡稳定性的快速、高效和准确评价,需要考虑边坡稳定性多种评价指标,但指标间或多或少存在一定的相关性,从而导致参量信息重叠。文章提出一种因子分析方法对边坡稳定性相关指标数据进行降维处理,提取3个综合指标对边坡稳定性进行总体评价。因子分析后的指标彼此独立,能够满足概率神经网络（PNN）样本层中采用高斯函数作径向基函数的要求。在因子分析的基础上,建立边坡稳定性评价的PNN模型,将其应用于39个典型的边坡稳定性评价。预测结果表明:5种不同的训练和测试样本个数下PNN模型仍具有良好的预测效果,其正判率分别为100%、94.87%、94.87%、84.62%和84.62%,说明因子分析与PNN模型结合可为岩土工程中边坡稳定性评价提供了一种很好的思路。     

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。     

某民用机场场区高填方边坡稳定性研究

本文就高填方边坡的坡面、坡比、填方体的局部稳定和填方体的总体稳定进行了试验研究和工程评价。     

边坡稳定性预测的模糊神经网络模型

根据边坡稳定问题具有的模糊性,提出了一种判定边坡稳定性的模糊神经网络模型。该系统仅从期望输入输出数据集即可达到获取知识、确定模糊初始规则基的目的。再利用神经网络学习能力便不难修改规则库中的模糊规则以及隶属函数和网络权值等参数,这样大大减少了规则匹配过程,加快了推理速度,从而极大程度地提高了系统的自适应能力。最后用收集到的边坡数据样本训练和测试模糊神经网络模型,结果表明该模糊神经网络预测边坡稳定性是可行的、有效的。     

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。     

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。     

粒子群优化复合形法求解复杂土坡最小安全系数

为提高复合形法的寻优成功率,对初始复合形以及第一次出现“最坏点映射失败”之复形的顶点进行变异粒子群优化算法操作,搜索得到较优解,并替换掉当前复形中的一个顶点。利用最大复形中心距替换准则,产生新的复合形。对新的复形继续进行基本复合形法的计算,构成了基于变异粒子群优化的改进复合形法。对两个复杂土坡的最小安全系数的搜索表明,改进的复合形法具有较强的全局搜索能力。     

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。     

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。     

基于ν-SVR和改进PSO算法的反分析方法及应用

岩土工程反分析面临着多元化、复杂化和精确化的挑战,反分析方法要求能在少而精的正分析基础上结合监测数据快速反馈出数值计算参数.充分发挥支持向量回归机ν-SVR和改进的变邻域PSO算法的优势,建立起岩土工程反分析的流程和方法.同时,将其应用于锦屏左岸边坡的反分析问题,选择稳定问题非常突出的II1-II1剖面作为分析对象,根据监测资料反馈设计关键岩体的力学参数,并与监测数据比对,反演成果合理准确,进一步验证了该方法的的正确性和有效性.     

基于坡面稳定的黄土路堑高边坡优化设计

通过室内外黄土边坡的冲刷试验结果发现,随着坡度的增加,坡面上的最大冲沟深度呈先减少、后增大的趋势。黄土边坡坡角值越接近临界坡角,坡面产生破坏的可能性越小。根据坡面流理论,导出黄土路堑高边坡抗冲刷的临界坡角。根据调查发现,当边坡的坡角相同时,单级坡体越高,坡体（即坡长越长）越易形成明显的冲沟。根据坡角、坡面长和坡面冲刷量之间的关系,建立了基于坡面稳定的黄土路堑高边坡优化设计模型。用该模型对典型路堑高边坡进行计算验证,优化结果和实际情况吻合较好。     

土坡稳定分析的颗粒流模拟

边坡的失稳破坏运动是一个存在岩土体的滑动、平移、转动的复杂过程,具有宏观上的不连续性和单个块体运动的随机性。采用颗粒流模拟土坡的变形破坏全过程,不需要假定滑移面的位置和形状,颗粒根据所受到的接触力调整其位置,最终从抗剪强度最弱的面发生剪切破坏,因此离散元法是模拟边坡变形破坏力学行为的比较理想的途径。运用PFC（颗粒流）程序对砂性土坡和黏性土坡分别进行数值模拟,分析细观参数对土坡破坏型式的影响。结果显示,土性对边坡的破坏型式有很大的影响,随着颗粒黏性的增大,边坡破坏类型从塑性破坏向脆性破坏过渡。