共查询到20条相似文献,搜索用时 375 毫秒
1.
边坡稳定性的神经网络预测研究 总被引:21,自引:0,他引:21
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。 相似文献
2.
基于神经网络范例推理的边坡稳定性评价方法 总被引:13,自引:4,他引:9
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。 相似文献
3.
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
4.
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
5.
6.
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
7.
8.
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
9.
边坡地变形,具有高度复杂的非线性演化特征。将BP神经网络和免疫克隆算法改进并集成结合,提出一种新型的仿生智能方法,即免疫克隆神经网络。并利用其强大的非线性拟合能力,对边坡进行变形位移的预测。结果表明,此方法拥有较高的预测精度,为边坡变形位移的预测提供了行之有效的途径,从而为边坡稳定性判别和滑坡预报提供了可靠的分析依据。 相似文献
10.
11.
12.
13.
14.
15.
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
16.
土质边坡稳定性影响因素的研究 总被引:2,自引:0,他引:2
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. 相似文献
17.
18.
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 相似文献
19.
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。 相似文献