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。     

基于概率神经网络的岩土边坡稳定性预测方法

基于数据挖掘技术和智能系统,提出应用概率神经网络预测边坡稳定性的数值方法。根据大量边坡稳定或者失稳案例记录的数据库资料,采用数据挖掘方法能够从中提炼出有价值的分类模式。将岩土边坡的力学参数和几何形状作为神经网络的输入训练和测试神经网络。实际应用显示所建立的概率神经网络预测边坡稳定的实用性。与传统的极限平衡分析方法和极大似然估计方法相对比,所提出的概率神经网络具有更高的预测精度。     

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。     

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。     

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。     

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。     

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。     

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。     

模糊优选神经网络在边坡稳定性分析中的应用

本文应用模糊优选神经网络理论,建立了边坡稳定性评价模型,综合分析了影响边坡稳定性的各种因素,根据它们作用程度的不同,赋予不同的权值,通过对收集到的边坡稳定性实例进行学习,提出了与优属度有关的函数关系式。可以看出:该方法具有精度高、收敛速度快、权值调整模型好等优点。     

模糊神经网络用于储层预测

利用模糊理论和ＢＰ网络相结合组成的模糊神经网络系统,能够克服ＢＰ网络单独使用的局限性,可在地质条件较复杂地区进行储层及油气预测。通过实际资料应用表明,应用单个ＢＰ网络进行储层及油气预测效果较差的地区,采用模糊神经网络能取得较好的效果。     

斜坡稳定性两级模糊综合评判

根据对古交市炉峪口煤矿斜坡的工程地质调查研究 ,确定了影响该斜坡稳定性的四类 2 0项主要影响因素 ,并应用两级模糊综合评判的方法对炉峪口煤矿斜坡稳定性进行了综合评价 ,其结果较好地反映了该斜坡的实际稳定程度.     

边坡稳定性神经网络评价模型中断裂构造的定量化处理

神经网络模型应用于边坡稳定性评价已取得不少成果,但总体上仍处于理论研究阶段,因子的选择及因子的定量化处理问题尚无统一认识,因断裂构造因素难以量化处理,很多评价中未进行考虑,影响了边坡稳定性评价的效果。本文提出用岩体完整性指数反映断裂构造作用对边坡稳定性的影响,具有一定的地质依据,为神经网络模型评价过程中断裂构造因素的定量化处理提供了一种思路,具有一定的实践意义。     

边坡稳定性评价结果的表达与边坡稳定判据

本文比较全面系统地总结分析了目前边坡工程中常用的各种稳定性评价结果的表达方式, 即各种边坡稳定判据。它们主要包括：(1)安全系数;(2)可靠度或破坏概率;(3)边坡岩体的位移、应力、位移速度等;(4)定性经验结论;(5)干扰能量;(6)声发射率等六种。在此基础上, 本文分析了各种判据的特点及其适用条件等。     

神经网络在镇扬大桥工程区区域稳定性评价中的应用

基于优势面区域稳定性评价理论，运用ANN优势断裂评价模型来研究镇扬大桥工程区区域稳定性，取得了较好的效果，实践表明基于ANN找寻和评价优势断裂是可行的和有效的。     

改进BP神经网络在岩质边坡稳定性分析中的应用

使用MATLAB软件中的NNtool工具箱建立了一个通过添加动量改进的BP神经网络模型,用以分析岩质边坡的稳定性。通过对天津某工程的边坡进行分析来检验这个模型的可靠度。根据现场调查的实际情况分析,该边坡岩体比较破碎,因此文中选择了几个有代表性的岩石完整性参数作为输入层参数,通过收集的一些类似边坡的参数对所建立的神经网络模型进行训练,以保证此模型适合被用来分析该工程。结果证明,所建立的模型是可靠的,此种方法在分析岩质边坡稳定性的的实践中具有广泛的使用性。     

基于模糊遗传算法的边坡稳定性分析

针对传统遗传算法存在收敛速度和早熟问题的现象,将模糊控制理论与遗传算法相结合,提出了基于模糊遗传算法的边坡稳定性分析方法.工程实例计算表明,本文方法不仅能克服传统方法容易陷入局部最小值的缺点,而且较SGA(简单遗传算法)有更高的搜索效率.