径向基函数神经网络在地应力场反演中的应用

初始地应力场是地下洞室设计所需的基本指标。基于江边电站引水隧洞沿线区域的地质资料,利用快速拉格朗日分析程序FLAC3D建立了该区域的数值计算模型,使用了随深度变化的侧压力系数以及应力和位移的混合边界条件,通过模拟引水隧洞沿线不同岩性的岩石、断层破碎带和蚀变带进行正分析计算。根据工程现场实测点的主应力数据,基于径向基函数（RBF）神经网络原理,反演了计算区域的岩体力学参数和初始地应力场。其计算结果与实测地应力值基本吻合,满足精度要求,说明反演结果与工程实际相符,所使用的反演方法是合理的。     

径向基函数神经网络需水预测研究

在分析山西省历年用水量和人均用水量的基础上，建立径向基函数神经网络需水预测模型，采用最近邻聚类学习算法确定径向基函数的宽度、选取聚类中心和权值。采用丰富的需水预测因子作为模型的输入，网络输出需水预测值。预测结果表明，径向基函数神经网络需水预测模型运算速度快，有较高的预测精度。需水预测可为水资源规划和配置提供依据。     

集对分析径向基函数神经网络预测模型

将集对分析与径向基函数神经网络结合,提出了集对分析径向基函数神经网络预测模型。模型思路是将研究对象t-1时和t时的影响因子集构造为集对并计算联系度,由联系度的同一度、差异度、对立度及研究对象t-1时的值为输入,研究对象t时的值为输出,构建径向基函数神经网络。以年径流预测为例研究表明,模型结构清晰、步骤明确、预测精度较高,为集对分析应用于水文预测提供了新思路。     

基于概率积分法的采空区残余变形对桑掌隧道的影响研究

煤矿开采后采空区上覆岩层变形是一个长期过程,往往严重影响后期穿越采空区隧道的施工建设和长期运营.新建桑掌隧道是穿越采空区的典型案例,准确预测采空区残余变形对隧道的影响是保障工程安全的关键.本文采用玻兹曼函数对等价变采厚概率积分法进行优化,并引入时间函数,提出一种改进的变采厚概率积分法.采用该方法对山西省阳泉二矿4个停采...     

用径向基函数神经网络模型预报感潮河段洪水位

径向基函数神经网络方法是一类比较优越的前向式多层神经网络,将其应用于感潮河段的洪水位预报。利用K 均值算法和最小二乘法来确定径向基函数神经网络的参数,并给出了具体计算方法。由于该方法比传统的BP算法有较快的收敛速度,使其具有较大的应用价值。基于感潮河段的具体特点,构建了具有若干个时段预见期的径向基函数神经网络模型。该模型应用于沂河的水位预报,结果表明,该模型运算快速、简便,预报精度较高。     

二维随机场下边坡稳定性的径向基函数神经网络分析法

岩土参数的随机性会直接影响边坡稳定性评价结果的精度。首先,依据边坡参数的常用分布特征,利用拉丁超立方抽样法生成若干组边坡土性参数和几何参数的随机样本,用有限元强度折减法求解各组样本对应的边坡安全系数。再考虑土性参数的空间变异性,在二维随机场模型下将蒙特卡罗模拟和有限元强度折减法相结合求解各组样本对应的边坡失效概率。然后,利用样本数据及其安全系数和失效概率对径向基函数（RBF）神经网络进行训练和测试,从而建立边坡安全系数和失效概率的预测模型。算例表明,二维随机场模型能相对精确地考虑参数的空间变异性;在此基础上建立的神经网络模型对边坡的安全系数和失效概率具有较高的预测精度,且能极大地节省边坡稳定性分析的时间。     

采空区地表移动变形的时间影响参数

多层采空区多次复杂开采造成的累积沉降不能简单地用单一采空区地表移动变形模型作参照。对采空区的研究,时间影响参数是工程稳定性重点研究和考虑的问题。通过变形观测数据,得到一系列的时间影响参数C的数据点。C是随时间动态变化的,是相应的诸多条件综合影响的结果,拟合得到现时段的时间影响参数经验式。这对采空区今后的残余沉降的预测具有重要的实际意义。     

基于免疫RBF神经网络的深基坑施工变形预测

基坑工程由于受多种因素的影响,目前已成为岩土工程中的重点和难点。在基坑工程施工中,需要根据现场实际情况、周围环境、建筑安全等级等对变形进行严格控制。通过现场量测的深基坑围护结构变形信息资料,对实测数据进行整理和分析,利用神经网络对支护结构的变形作出预测,以保证基坑安全施工。研究了一种基于免疫识别原理的径向基函数神经网络学习算法,该算法将所识别的数据作为抗原,抗体为抗原的压缩映射并作为神经网络模型的隐层中心,采用最小二乘法确定权值,提高了RBF神经网络收敛速度和精度,将人工免疫RBF神经网络应用于时间序列预测中,工程实例计算证明了算法的有效性和可行性,为时间序列预测提供了一种新途径。     

地下水动态预测的径向基函数法

地下水系统是一个复杂的随机系统，根据地下水位与其影响因素之间存在的映射关系，建立了一个RBF人工神经网络模型，并将其用于地下水位的动态预测，实例表明，该方法预测精度较高，具有一定的推广价值。     

岩溶水系统的径向基神经网络仿真

岩溶水系统的复杂性决定了其输入与输出间具有非常复杂的非线性关系,利用人工神经网络方法进行系统的仿真是一种十分有效的手段.本文以MATLAB为平台,介绍了RBF网络的基本原理与训练方法,具有结构自适应确定、输出不依赖初始权值的优良特性.试用该方法建立了济南市岩溶水系统地下水位及其影响因子间的RBF网络模型,讨论了训练样本集与检测样本集的构建、原始数据的预处理方法、神经网络训练误差设置等重要环节,并与同结构的BP网络进行了对比,其结果BP网络效果依赖初始权值,表现出极不稳定性,且训练速度更慢,RBF网络具有更好的应用价值.     

求解声波方程的径向基函数无网格法

地震勘探广泛应用于油气、煤田勘探。地震波场数值模拟是整个地震勘探数据处理技术的基石。将径向基函数（RBF）引入地震声波波场数值模拟中,在空间上用径向基函数无网格法来构造二阶导数,而在时间上采用简单的二阶差分公式,并重点讨论了形状参数c对该方法精度的影响,总结c经验取值范围为2~4倍平均数据点间距。设计不同模型,利用径向基函数无网格法进行声波波场模拟,并与空间四阶时间二阶的有限差分计算结果进行对比,结果表明：同样精度下,径向基函数每个波长所取的数据点数远小于空间四阶矩形网格有限差分每个波长所取的网格点数,即径向基函数的空间采样率更低,这表明径向基函数具有更小的数值频散。     

基于RBF神经网络的软基短期沉降预测研究

RBF(radial basis function)神经网络是一类比较优越的前向式多层神经网络,比传统的BP网络有较快的收敛速度.以深圳湾西部通道填海软基沉降的预测分析为例,探讨采用RBF神经网络解决这一问题的方法.采用插值方法构建时间间隔统一的时间序列数据并进行归一化处理,在此基础上建立了沉降变形时间序列的RBF神经网络模型,通过训练网络模型来预测沉降量.计算实例表明,模型具有运算速度快、预测精度高的特点,是一种具有应用前景的软基预测新方法.     

基于WorldView-02高分影像的BP和RBF神经网络遥感水深反演

遥感水深反演是水深测量的一种重要技术和手段.以美济礁水深反演为例,选择WorldView-02高分影像为数据源,在辐射定标和大气校正的基础上,构建BP（Back Propagation）和RBF（Radial Basis Function）人工神经网络水深反演模型,以遥感影像8个波段为输入层,通过tansig、logsig、高斯函数和purelin函数变换实现从输入层到隐含层、隐含层到输出层的转换,以便反演水深.最后对反演水深与实测水深采用回归分析,求解决定系数（coefficient of determination,R2）、平均决定误差（Mean Absolute Error,MAE）、均方根误差（Root Mean Square Error,RMSE）等进行比较,评价2种模型的精度.结果表明,RBF神经网络模型结构更简单,对样本要求更低,反演精度达到0.995,更适合遥感水深反演.      

地学自由曲面径向基函数网络重建的详细算法

径向基函数(RadialBasisFunction,简称RBF)神经网络是一种理想的地学离散数据网格化工具,能够适应各种不同分布形式和边界条件的数据,收敛速度较快,可以逼近任何复杂曲面。这里详细介绍了RBF神经网络的算法。适当径向基函数的形式和偏差系数是使用RBF神经网络作地学曲面重建的关键。大量的实际数据验证结果表明,当选用Gauss型径向基函数时,一般可获得比较理想的网格化效果,同时具备"曲面平滑"和"拟合度高"的特点。     

参考作物腾发量预测的径向基函数法

探讨了采用径向基函数网络模型进行参考作物腾发量预测方法的可行性,设计多组数字实验处理研究了输入因子间相关性对网络模型预测准确性的影响,预测结果与Penman-Montieth方法计算结果比较表明,所确定的模型与改进的Penman公式计算值有很高的一致性,具有一定精度。     

基于径向基函数的三维地层分块建模方法研究

在充分研究了水电工程现有勘测层数据以及径向基函数插值特点的基础上,利用径向基的分块插值方法建立起分块的三维地层模型。在每个分块插值过程中,利用加权函数,使得各个分块接边处保持连续性。在形成每一层的数据后,通过层数据之间的缝合,并加入断层信息,最后形成三维地层模型。基于小湾水电枢纽工程实例,采用径向基分块插值方法建立对应的模型,并提供任意剖面的获取,检验了网格分块地层体建模的正确性和可行性。     

盾构隧道地面长期沉降的径向基函数网络预测

利用径向基函数网络理论,采用Matlab软件进行编程,对盾构隧道引起的轴线上方地面长期沉降进行预测。在实际操作中,将训练(即拟合)和仿真(即预测)融为一体,使预测结果具有较高的精度。6个算例分析结果表明,径向基函数网络方法可以较好地预测盾构隧道引起的地面长期沉降。     

基于主动学习径向基函数的边坡系统可靠度分析

相较于极限平衡法,强度折减法在计算边坡稳定性系数上有许多优势,但更大的计算量在一定程度上限制了其在边坡可靠度分析中的应用。为了有效地减少可靠度分析中数值模型的计算次数,以减轻使用强度折减法所带来的计算压力,引入了基于主动学习径向基函数(ARBF)代理模型的高效分析方法:利用主动学习函数在极限状态面附近搜索训练样本更新代理模型,加快模型训练的收敛速度;采用线性核径向基插值函数简化模型参数优化过程,建立简洁、稳定的代理模型。此外,为了充分发挥主动学习代理模型的优势,提出针对土质边坡特性的初始采样策略。当得到稳定的代理模型后,结合蒙特卡罗模拟计算边坡的系统失稳概率。作为对比,基于两个典型边坡算例,测试了两种经典的可靠度方法:主动学习克里金模型(AK)和二次响应面法(QRSM),论证了引入的主动学习径向基函数代理模型在计算效率上的高效性和计算模型上的稳定性。     

三维初始地应力场反分析的径向基函数法

通过对初始地应力场计算方法的回顾,提出了基于径向基函数的人工神经网络初始地应力场的三维反分析方法。径向基网络的可以避免在反分析过程中出现过拟合现象,从而保证反分析结果更加可靠.此外,该方法综合了目前各种初始地应力场模拟方法的优点,并考虑了多种因素对地应力场分布的影响。实例证明,由作者提出方法所模拟的初始地应力场是合理的,精确度也较高。此外,由于考虑了断层的作用对初始地应力场的影响,可以较好地解释实测地应力值分散的原因。     

基于贝叶斯更新的非饱和土坡参数概率反演及变形预测

滑坡变形预测一直是实现滑坡灾害预报与防控的有效手段。岩土体参数是开展滑坡变形计算的关键输入信息,然而目前研究鲜有考虑岩土体参数不确定性对滑坡变形的影响,如何融合有限监测数据实现岩土体参数不确定性定量表征及滑坡变形概率预测仍然是一大难点。以降雨入渗非饱和土坡为例,开展流固耦合分析,基于有限的孔压监测数据,利用DREAM＿zs算法实现对岩土体参数的高效概率反演。根据岩土体参数的先验分布,采用拉丁超立方抽样法生成随机样本,将其导入ABAQUS中计算相应的坡脚变形作为数据集,分别采用多元自适应回归样条曲线（MARS）和Light GBM模型构建基于数理-机制双驱动的边坡坡脚变形预测模型,计算贝叶斯更新后的后验稳态样本对应的边坡坡脚变形值,并对边坡变形值开展统计分析。结果表明：DREAM＿zs算法仅需少量的孔压监测数据,即可完成对岩土体参数的更新,并且计算效率高、收敛速度快。此外,提出的边坡坡脚变形预测模型不仅突破了由孔压等间接监测数据来预测边坡变形的局限,同时还实现了对边坡变形发生概率的预测,为滑坡变形预测提供了新的思路和探索。