共查询到17条相似文献,搜索用时 46 毫秒
1.
用神经网络评价边坡稳定性 总被引:21,自引:0,他引:21
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。 相似文献
2.
神经网络在边坡稳定性分析中的应用 总被引:23,自引:1,他引:23
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。 相似文献
3.
边坡稳定性的神经网络估计 总被引:54,自引:4,他引:54
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。 相似文献
4.
边坡稳定性预测的模糊神经网络模型 总被引:9,自引:0,他引:9
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。 相似文献
5.
结合已有岩质边坡工程实例,针对岩质边坡稳定性预测中存在的问题,提出了运用BP网络预测岩质边坡稳定性的方法,并构造了相应的网络模型。预测结果表明,模型具有较高的预测精度,能够满足实际工程需要,是有一定实用价值和参考价值的边坡稳定性预测方法。 相似文献
6.
基于交替迭代算法神经网络评价岩石边坡稳定性 总被引:2,自引:0,他引:2
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。 相似文献
7.
8.
9.
基于遗传算法和模糊神经网络的边坡稳定性评价 总被引:4,自引:0,他引:4
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。 相似文献
10.
11.
用改进后的BP神经网络评价黄土质边坡稳定性 总被引:12,自引:0,他引:12
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。 相似文献
12.
13.
14.
15.
16.
用人工神经网络估算岩质边坡的安全系数 总被引:19,自引:1,他引:19
基于工程事例, 介绍了一组初步试验工作, 探讨人工神经网络(ANN)方法用于岩质边坡稳定性安全系数估算的可能性。文中给出三次试验及试验结果, 试验结果表明用人工神经网络估算岩质边坡安全系数不仅是可行的, 而且是一种实时、准确且准备工作简单的估算方法。 相似文献
17.
基于人工神经网络的岩爆预测方法 总被引:8,自引:0,他引:8
在分析岩爆主要影响因素的基础上,建立了一种新的人工神经网络岩爆预测模型。采用已有岩爆发生数据作为训练样本对网络进行训练,利用收敛的网络进行岩爆烈度预测,预测结果与实际吻合,说明利用人工神经网络预测岩爆发生烈度是一种可行的方法。 相似文献