Relevance vector machine‐based response surface for slope reliability analysis

A new computing method is proposed for reliable analysis. The limit state function is implicit and nonlinear in reliability analysis of slopes and is difficult to apply by traditional reliability methods, especially in large‐scale project applications. Relevance vector machines (RVMs) are capable of approximating the limit state function without the need for additional assumptions regarding the function form, as opposed to traditional polynomial response surfaces. RVMs were adapted to obtain the limit state function. We propose an RVM‐based response surface method combined with the first‐order reliability method for slope reliability analysis and describe its step‐by‐step implementation. The reliability index obtained from the proposed method shows excellent agreement with traditional response surface method results. Copyright © 2017 John Wiley & Sons, Ltd.     

进化-最小二乘支持向量机的边坡稳定性估计

针对最小二乘支持向量机的参数选择问题,用遗传算法来搜索最小二乘支持向量机的相关参数,避免了人工搜索参数的盲目性,提高了模型的推广性能。根据大量的实际边坡工程数据,建立了基于进化-最小二乘支持向量机的边坡稳定性模型,并将其应用于估计丁家河磷矿自然边坡稳定状况。计算结果与工程实际情况一致,表明了该方法的有效性和合理性。     

Relevance vector machine applied to settlement of shallow foundation on cohesionless soils

The settlement of shallow foundation on cohesionless soil is a key parameter in the design of shallow foundation. The recently introduced relevance vector machine (RVM) technique is applied to predict the settlement of shallow foundation on cohesionless soils. RVM allows computation of the prediction intervals, taking into account the uncertainties of both the parameters and the data. It provides much sparser regressors without compromising performance, and kernel bases give a small but worthwhile improvement in performance. It also estimates the prediction variance. This study shows that compared to the available methods, RVM is better at determining the settlement of shallow foundation on cohesionless soil.     

福宁高速公路八尺门滑坡变形演化规律预测研究

将进化支持向量机方法用于边坡变形规律的研究,用遗传算法搜索支持向量机最优参数,避免了人为选择支持向量机参数的盲目性,提高了支持向量机的推广预测能力。利用这种方法预测边坡变形规律,并与监测到的历史数据进行对比,以便工程技术人员及时调整设计方案和施工,维护边坡的稳定性。工程实例表明,该方法具有预测精度高和实时性等特点,具有广阔的应用前景。     

观光塔边坡的稳定性分析与治理措施

分析了观光塔边坡的失稳破坏机制,并应用不确定性方法对该边坡进行了稳定性分析,结果表明,坡脚陡倾岩层是阻止该边坡继续滑移的有利因素,地下水是控制该边坡稳定的主导因素.最后,基于机制分析提出了针对性的治理措施.     

高斯过程机器学习在边坡稳定性评价中的应用

针对边坡工程是复杂的非线性系统,采用常规的理论分析和数值计算方法难以满足对边坡稳定性评价的高精度与快速性的要求,为此,提出对处理非线性复杂问题具有很好的适应性一种有概率意义的核学习机--高斯过程机器学习方法来解决边坡稳定性的合理评价问题,建立了相应的边坡稳定性预测模型。工程应用研究结果表明,采用高斯过程机器学习方法进行边坡稳定性评价是科学可行的,该方法能很好地表达边坡稳定性与各影响因素之间的非线性映射关系,能方便快捷地给出合理可靠且具有概率意义的边坡稳定状态评价结果,为实现边坡快速设计的工程实践要求提供了一条新的途径。     

非稳定渗流条件下非饱和土质边坡稳定性的矢量和分析法研究

研究可以同时考虑渗流、变形与稳定的非饱和土质边坡稳定性分析方法具有重要的理论意义及工程实用价值。基于Fredlund双应力变量理论进行非饱和非稳定渗流-应力耦合分析,同时与传统非耦合渗流方法确定的孔压场进行对比发现,两种方法确定的浸润线变化过程相近,堤底处孔压的最大相对误差为8.8%,验证了耦合分析结果的可靠性。将基质吸力对强度的贡献纳入黏聚力中得到坡体强度参数的空间分布规律,又基于滑面强度参数时空分布规律借助Matlab平台开发了非稳定渗流条件下非饱和土质边坡稳定性的矢量和法分析程序。以库水位下降条件下堤坡的稳定性分析为例,将不同方法的计算结果进行对比,发现文中方法搜索得到的滑面位置相对于传统方法要深缓,但总体位置相差不大,不同方法对应的安全系数相差不足0.096,验证了所提方法的合理性。     

永吉高速公路黑潭坪边坡三维稳定性研究

通过对永吉高速公路黑潭坪边坡的野外调查,详细地了解了研究区工程地质条件,探讨了边坡变形破坏机理,结合室内试验和计算反演获取岩土体强度参数,在此基础上建立三维地质模型,运用FLAC3D数值分析软件采用强度折减法对不同工况下的坡体稳定性进行详细分析并提出治理建议。研究表明:(1)边坡变形破坏是内外因素综合作用的结果,岩土体性质不良是边坡变形破坏的内在因素,坡脚便道开挖和地表水下渗是边坡变形破坏的诱导因素;(2)强度折减法应用于边坡三位稳定性分析具有较好的适用性;(3)数值模拟显示采用削坡结合锚固的综合治理措施具有明显的效果。     

SVM在地下工程可靠性分析中的应用

将支持向量机应用到地下工程可靠性分析中,通过将支持向量机分别与一阶二次矩和蒙特卡洛结合,提出了基于支持向量机的可靠性分析方法,利用数值模拟构造学习样本,通过支持向量机学习,建立变形与随机变量之间映射关系的支持向量机表达,进而实现隧道极限状态函数及其偏导数的显式表达,从而计算隧道的可靠性指标。该方法避免了传统可靠性分析的缺点。算例分析结果表明,该方法计算效率高、结果可靠,对含有大量随机变量的复杂岩土工程可靠性分析具有很大的潜力,具有广泛的应用前景和工程价值。     

浅谈边坡稳定性分析方法

综述边坡稳定性分析方法及其研究的一些新进展,从定性、定量、非确定性、流变以及动力分析等方面进行了详细论述,指出各种方法的优缺点。     

遗传算法在土坡整体稳定性分析中的应用

边坡稳定性分析的关键是如何确定最危险滑动面的位置并计算与之相对应的安全系数。由于传统的极限平衡分析方法很容易陷入局部极小值而不能找到真正的最危险滑裂面,因此采用瑞典条分确立土坡分析模型,用遗传算法搜索土坡最危险滑动面,进而求得土坡最小安全系数。该方法模拟了生物遗传进化的过程,克服了传统方法的局限性。通过和面积细分法所搜索的最危险滑动面和计算得到的土质边坡安全系数作对比,可得遗传算法在土质边坡稳定分析中具有较高的精度与可靠性。遗传算法可以很好地解决如何寻找土质边坡整体极值的问题。工程应用实例表明,遗传算法分析土质边坡的稳定性效果良好,具有很好的应用前景。     

Stochastic seismic slope stability assessment using polynomial chaos expansions combined with relevance vector machine

This paper presents probabilistic assessment of seismically-induced slope displacements considering uncertainties of seismic ground motions and soil properties.A stochastic ground motion model representing both the temporal and spectral non-stationarity of earthquake shakings and a three-dimensional rotational failure mechanism are integrated to assess Newmark-type slope displacements.A new probabilistic approach that incorporates machine learning in metamodeling technique is proposed,by combining relevance vector machine with polynomial chaos expansions(RVM-PCE).Compared with other PCE methods,the proposed RVM-PCE is shown to be more effective in estimating failure probabilities.The sensitivity and relative influence of each random input parameter to the slope displacements are discussed.Finally,the fragility curves for slope displacements are established for sitespecific soil conditions and earthquake hazard levels.The results indicate that the slope displacement is more sensitive to the intensities and strong shaking durations of seismic ground motions than the frequency contents,and a critical Arias intensity that leads to the maximum annual failure probabilities can be identified by the proposed approach.     

模糊数学在边坡稳定分析中的应用

边坡稳定性分析是一个非常复杂的不确定问题,其不确定性主要有两种：随机不确定和模糊不确定。实践证明,模糊不确定是比随机不确定更为深刻的不确定性。综述了模糊数学在边坡稳定性分析中的应用,重点阐述了模糊综合评判、模糊参数非概率稳定性分析和模糊随机可靠度的原理、特点及研究现状。针对模糊理论和边坡稳定自身的特点及其研究现状,对模糊数学在边坡稳定性分析应用中存在的问题及未来的发展方向进行了分析,以期为相关研究提供有益借鉴。     

边坡可靠度分析的支持向量机法

提出了基于支持向量机（SVM）的边坡可靠度分析新算法。该方法采用均匀设计确定样本点,通过一定数量的确定性计算来训练SVM,拟合边坡的功能函数;采用一阶可靠度方法（FORM）和迭代算法优化SVM模型,获得可靠度指标和验算点信息;在SVM模型基础上进一步通过二阶可靠度方法（SORM）和蒙特卡罗模拟（MCS）计算边坡的失稳概率。以两个典型边坡为例,通过与其他方法比较,证明了该方法的准确性和高效性。结果表明：提出的在标准正态空间（U空间）中取样并构建SVM,在原始空间（X空间）中计算功能函数的算法,有效地解决了具有相关非正态分布变量的可靠度分析问题,并且可很容易扩展到SORM的计算。算例结果证明,该方法的精度高于FORM;而效率优于MCS。分析过程中,边坡安全系数计算和可靠度分析相互独立。因此,该方法既适用于具有显式功能函数的简单问题,也适用于需要软件计算安全系数的实际边坡问题。     

基于可靠度的黄土斜坡稳定性分析

以延安市宝塔区虎头峁黄土斜坡为研究对象,在野外详细调查和勘查的基础上,分析确定斜坡可靠度的随机变量为滑带土土体容重r、内聚力c和内摩擦角φ。分别用统计矩法、一次二阶矩法、几何法和蒙特卡洛模拟法计算斜坡的可靠度和破坏概率,得出安全系数为1.00~1.15,可靠度指标为0.35~0.45,破坏概率为32%~37%,说明斜坡具有较大的失稳可能性。计算过程表明,用几何法计算所得的可靠度指标精度最高,一次二阶矩法次之,统计矩法计算精度最低,蒙特卡洛模拟法可作为一种校验方法,对其他方法进行校验和对比。在不需要获取传统的定值安全系数的情况下,可用几何法计算斜坡的可靠度指标,方法较为简便。当需要同时获取安全系数时,应使用统计矩法或一次二阶矩法计算。     

Support vector machine applied to settlement of shallow foundations on cohesionless soils

The determination of settlement of shallow foundations on cohesionless soil is an important task in geotechnical engineering. Available methods for the determination of settlement are not reliable. In this study, the support vector machine (SVM), a novel type of learning algorithm based on statistical theory, has been used to predict the settlement of shallow foundations on cohesionless soil. SVM uses a regression technique by introducing an ε – insensitive loss function. A thorough sensitive analysis has been made to ascertain which parameters are having maximum influence on settlement. The study shows that SVM has the potential to be a useful and practical tool for prediction of settlement of shallow foundation on cohesionless soil.     

基于遗传算法的边坡稳定性分析

边坡稳定性分析的关键是如何确定最危险滑动面。遗传算法是一种全局优化分析方法,克服了一般优化方法容易陷入局部最优解的缺点。由于工程实际中边坡几何形状的不规则和材料的非均匀性,真正的临界滑动面形状并不是都能用圆弧来准确描述的,研究任意型滑面情况下的稳定性很有必要。为更加合理地进行边坡的稳定性分析,利用遗传算法来搜索模拟边坡的最危险滑动面,在工程实例中进行具体应用,得到了非圆弧型滑动面,与其他软件计算结果对比,表明本文算法精度更高,适应性更广。     

工程荷载作用下缓倾角反倾似层状岩质边坡变形稳定性分析

在反倾层状边坡的破坏机制和稳定性分析方面,由于其稳定性一般较好,系统深入地研究其破坏机制和稳定性的反而不多。以火山岩地层多次火山喷发旋回形成的缓倾角反倾似层状岩质边坡为研究对象,利用有限元分析其位移矢量图,揭示边坡的变形破坏机制和稳定性控制要素,利用极限平衡法、矢量和法,评价其稳定性,利用强度折减法分析塑性区的扩展规律,揭示滑动面发展的时间空间规律,结果表明,（1）类似层状反倾岩质边坡的潜在破坏模式为剪切–张拉破坏,滑面形态表现为近似折线状：顺坡向穿过凝灰岩夹层和强风化岩体,后缘通过陡倾结构面;（2）极限平衡法、矢量和法的边坡稳定性综合评价表明边坡浅层稳定性不满足工程稳定性要求,深层稳定性满足工程稳定性要求,且三维矢量和安全系数大于二维结果,是三维效应造成;（3）塑性区扩展揭示滑面的空间发展序列为滑面4、5、3。文中的技术路线和分析方案可用于缓倾角反倾层状岩质边坡稳定性评价。     

Assessing model of highway slope stability based on optimized SVM

Considering the geological hazards attributed to the highway slope, using a common simple model cannot accurately assess the stability of the slope. First, principal component analysis (PCA) was conducted to extract the principal components of six factors (namely, bulk density, cohesion, internal friction angle, slope angle, slope height, and pore water pressure ratio) affecting the slope stability. Second, four principal components were adopted as input variables of the support vector machine (SVM) model optimized by genetic algorithm (GA). The output variable was slope stability. Lastly, the assessing model of highway slope stability based on PCA-GA-SVM is established. The maximal absolute error of the model is 0.0921 and the maximal relative error is 9.21% by comparing the assessment value and the practical value of the test sample. The above studies are conducive to enrich the assessing model of highway slope stability and provide some reference for highway slope engineering treatment.     

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。