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。     

边坡失效概率估计的高斯过程动态响应面法

针对传统响应面法在求解具有高度非线性隐式功能函数边坡可靠性问题上的局限性,采用适用于处理高维度、小样本、非线性回归问题的高斯过程回归模型构建隐式功能函数的响应面,将高斯过程响应面与蒙特卡罗模拟法相结合,通过构造合理的迭代方式,在利用高斯过程回归模型的不确定性评价功能获取最优采样点的基础上,实现了高斯过程响应面动态更新,由此提出了边坡失效概率快速估计的高斯过程动态响应面法。利用数值算例验证了该方法的有效性,在此基础上对3个边坡算例进行了可靠性分析。结果表明,与传统响应面法相比较,该方法计算精度与计算效率明显较高,易于与既有的边坡分析软件相结合,且实现容易,适用于边坡可靠性的快速分析。     

基于混合核函数PSO-LSSVM的边坡变形预测

支持向量机（SVM）的核函数类型和超参数对边坡位移时序预测的精度有重要影响。鉴于局部核函数学习能力强、泛化性能弱,而全局核函数泛化性能强、学习能力弱的矛盾,通过综合两类核函数各自优点构造了基于全局多项式核和高斯核的混合核函数,并引入粒子群算法（PSO）对最小二乘支持向量机（LSSVM）超参数进行全局寻优,提出了边坡位移时序预测的混合核函数PSO-LSSVM模型。将模型应用于锦屏一级水电站左岸岩石高边坡变形预测分析,并与传统核函数支持向量机预测结果进行对比分析。结果表明,该模型较传统方法在预测精度上有了明显提高,预测结果科学可靠,在边坡位移时序预测中具有良好的实际应用价值。     

基于性能的组合边坡加固设计方法研究

锚索-抗滑桩组合结构是高大边坡加固的主要措施。加固设计时,传统的安全系数不能考虑地震波频谱特性的影响。为了准确的评价边坡的稳定性,开展性能设计方法的研究。基于极限分析法,推导了抗滑桩位移公式。在易损性的框架下对比了远、近场地震波的差异。结果表明：(1)将结构非线性模型引入到Newmark法可以实现抗滑力的实时更新。指数模型的评估结果更保守。(2)考虑到地震荷载存在较大的离散性,基于性能的设计方法更具合理性。易损性曲线可以用来定量分析边坡的失稳概率。(3)边坡的破坏状态与地震强度和地震动类型有关。当地震强度较低时,失效模式以轻微损坏和中等损坏为主。随地震强度增大,边坡更易发生严重破坏。近场脉冲地震具有能量大、冲击强的特点,更容易造成边坡的失稳。     

基于Copula函数的设计潮位过程要素组合风险分析

现行推求设计潮位过程大多采用高潮位与潮差同频率放大的方法,未考虑到二者遭遇可能性的大小。采用G-H Copula函数建立了年最高潮位和相应潮差的二维联合分布模型,通过组合风险分析法研究了设计高潮位和设计潮差的组合风险率。以天津港多年实测资料计算分析为例,结果表明:较大重现期的高潮位和潮差同时发生的概率较小,50年一遇高潮位与50年一遇潮差组合的风险率仅为0.05%,同频率设计偏安全,可依据组合风险率适当降低潮差设计标准。所采用的联合分布模型及其应用,在定量分析基础上为设计潮位过程的推求提供了一种新方法。     

基于高斯过程二元分类模型的溶洞规模预测方法

溶洞规模与其影响因素之间存在着复杂的非线性关系,如何根据影响因素有效预测溶洞规模是一类复杂的模式识别问题。基于高斯过程二元分类模型,提出一种溶洞规模的预测方法,该方法通过对样本的学习,建立溶洞规模与其影响因素之间复杂的非线性映射关系,对仅提供影响因素的预测样本进行具有概率意义的识别输出。研究结果表明,该方法除具有小样本、模型参数自适应确定、识别精度高等优点之外,还能够对预测结果给予概率意义的可信度,为实际工程有效预测溶洞规模提供了定量的依据,具有良好的应用前景。     

边坡变形及失稳的变权重组合预测模型

边坡变形和失稳受本身地质条件和外部环境等多方面因素的影响,由于这些因素的复杂性、多样性及其变化的随机性导致不同的边坡的位移和变形趋势有可能存在较大的差异。在分析总结边坡变形规律的基础上,针对边坡的典型位移-历时曲线需经历初始变形、稳定变形和加速变形3个阶段,呈反“S”型的特点,根据边坡位移的实测时间序列资料建立边坡变形的成长曲线反函数变权重组合的时变预测模型。通过与工程实例的对比分析表明,各单项预测方法是基于已知样本的固定模型,能大致反映边坡变形的发展趋势,但仍存在较大误差,而所提出的方法能充分考虑不同模型的优点,有较高的精度,适用于实际工程中边坡的变形预测及失稳的预警。     

位移反分析的粒子群优化-高斯过程协同优化方法

针对采用随机全局优化技术进行岩土工程位移反分析存在数值计算量大、效率低的问题,将粒子群优化算法与高斯过程机器学习技术相结合,提出了位移反分析的粒子群优化-高斯过程协同优化方法。该方法利用全局寻优性能优异的粒子群优化算法进行寻优的基础上,采用高斯过程机器学习模型不断地总结历史经验,预测包含全局最优解的最有前景区域,通过提高粒子群搜索效率并降低适应度评价次数,进而有效地降低位移反分析过程中的数值计算工作量。多种测试函数的数学验证和工程算例的研究结果表明该方法是可行的,与传统方法相比较,可显著地降低位移反分析的计算耗时。     

基于高斯束理论的有限频核函数计算

相对于常规射线层析速度建模,基于波动理论的层析速度建模考虑了波的带限特性,反演分辨率更高.波动理论层析的核心在于波路径(有限频核函数)的计算.文中详细介绍了一种基于高斯束算子计算有限频核函数的方法,分析了初始束宽度和高斯束出射角度间隔对计算精度的影响;并针对高斯束近源处误差较大的缺陷,提出了改进的束参数以提高近源精度;详细分析了初始束宽度和角度间隔对改进高斯束方法的影响及改进高斯束的聚焦特性;数值算例验证了该方法在缓变介质中计算有限频核函数的可行性,计算效率较高且可处理回折波的核函数.     

基于新型仿生智能方法的边坡变形位移预测

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。     

An intelligent response surface method for analyzing slope reliability based on Gaussian process regression

Problems in geotechnical engineering inevitably involve many uncertainties in the analysis. Reliability methods are important for evaluating slope stability and can take the uncertainties into consideration. In this paper, a novel intelligent response surface method is proposed in which a machine learning algorithm, namely Gaussian process regression, is used to approximate the high-dimensional and highly nonlinear response hypersurface. An iterative algorithm is also proposed for updating the response surface dynamically by adding the new training point nearest to the limit state surface to the initial training database at each step. The proposed Gaussian process response surface method is used to analyze three different case studies to assess its validity and efficiency. Direct Monte Carlo simulation is also carried out in each case to serve as the benchmark. Comparing with other methods confirms the accuracy and efficiency of the novel intelligent response surface method, which requires fewer performance function calls and avoids the need to normalize the correlative non-normal variables.     

人工边坡治理设计最优坡角确定方法浅析

人工边坡治理包含削坡开挖、坡体加固、土地征用、工程环境等内容，各子项工程成本均与设计开挖坡角有密切关系。作者阐述了设计最优坡角的工程意义，并通过工程技术与成本诸要素分析，提出了最优坡角的确定方法。     

基于分频智能反演的储层预测研究——以大庆黑鱼泡南部探区为例

分频反演是近年发展起来的一种先进的地震反演技术。大庆黑鱼泡南部探区存在鼻状构造,是油气富集有利部位。本文基于分频智能反演的储层预测研究,根据地震资料频谱确定分频参数：低频在8 Hz左右,主频35 Hz左右,高频60 Hz左右。根据地震频谱计算得到具有一定带宽的低、中、高频属性。运用支持向量机算法对目标曲线进行分频智能学习训练,学习后曲线相关性达到0.90,满足储层预测的要求。最终,本文将重构曲线与三维地震数据的非线性映射关系引入到二维地震进行分频智能反演,得到二维区阻抗体,对砂岩的预测性较好,为后续的地质建模提供了良好的基础输入数据。     

基于数据智能可视化分析的滑坡信息化施工研究

采用信息化施工技术进行大型滑坡整治,既安全又经济。笔者探讨了基于大量监测数据处理为核心的信息化施工技术。采用数据可视化技术对大型滑坡巨大数据进行分析处理,确定了滑动面位置、滑动方向和对滑坡进行危险性分区。将支持向量机方法用于预测滑坡变形。将智能和可视化分析结果用于滑坡动态优化设计中,并用一个实际工程实例论述了方法的思路。     

基于拱效应的边坡抗滑桩桩间距计算

基于桩间土的斜拱效应,考虑边坡的倾角对抗滑桩桩间距的影响,并以此建立计算模型。首先在假定土拱的轴线为抛物线的基础上,根据水平面、竖直面内的静力平衡条件和强度条件,推导出桩间距的计算公式,分别得到了相应的合理桩间距计算方法。其次通过具体工程实例,阐述考虑边坡倾角情况下抗滑桩桩间距的计算过程,得到了比较合理的计算结果,并分析了桩间距与土体内摩擦角以及桩间距与坡面倾角之间的关系。分析结果表明,在其他因素不变的情况下,桩间距随桩后土体的内摩擦角增大而增大,随边坡倾角增大先增大后减小。     

基于坡面稳定的黄土路堑高边坡优化设计

通过室内外黄土边坡的冲刷试验结果发现,随着坡度的增加,坡面上的最大冲沟深度呈先减少、后增大的趋势。黄土边坡坡角值越接近临界坡角,坡面产生破坏的可能性越小。根据坡面流理论,导出黄土路堑高边坡抗冲刷的临界坡角。根据调查发现,当边坡的坡角相同时,单级坡体越高,坡体（即坡长越长）越易形成明显的冲沟。根据坡角、坡面长和坡面冲刷量之间的关系,建立了基于坡面稳定的黄土路堑高边坡优化设计模型。用该模型对典型路堑高边坡进行计算验证,优化结果和实际情况吻合较好。