基于超越概率和RBF神經網絡的邊坡穩(wěn)定性評價模型研究.pdf

1、本文在綜述邊坡穩(wěn)定性評價方法的基礎之上,以超越概率和人工神經網絡理論為基礎,評估了不同神經網絡的優(yōu)缺點和適用范圍,選取RBF神經網絡作為分析方法。將水文、地質、地形、地震作為邊坡穩(wěn)定性影響的主要因子,經過正交化和歸一化后作為RBF神經網絡的計算因子進行分析,選取35個樣本進行訓練和檢驗,建立了基于超越概率和RBF神經網絡邊坡穩(wěn)定性影響因子評價的數(shù)字化模型。
　　研究表明,超越概率能夠有效的表征降雨對滑坡的影響,結合地震超越概率作為

2、邊坡穩(wěn)定性評價的影響因子,能夠保證數(shù)據的同步性和通用性。采用RBF神經網絡用于邊坡影響因子的評價,其分析介于定性化決策和定量化計算之間,泛化能力強,在擁有足夠的訓練樣本的情況下是一個能夠廣泛適用和推廣的分析方法。該方法有著收斂快、結果科學可靠等優(yōu)點;采用正交表法處理后的參數(shù)采用歸一化處理,能夠高效率的將不同維數(shù)不同量綱參數(shù)進行組合評估;對于因子的影響力分析表明巖土類別、生態(tài)系統(tǒng)和地形在所建立的模型中起到了較大的影響,其因子影響重要性排序

3、為:地形>地質>生態(tài)環(huán)境>水文>地震。以樣本8為例進行了因子影響度分析,通過對影響因子進行不同的加權后取得的安全系數(shù)的對比研究,認為該神經網絡的學習過程是成功的,該網絡能夠有效對不同輸入參數(shù)作出正確的響應。
　　本文最后還討論了RBF神經網絡在邊坡工程的適用性和存在一些不足,如其隱藏單元數(shù)目的選擇嚴重影響著試驗結果、參數(shù)評估為多元擬合而與實際情況弱相關、神經網絡模型中將其邊坡中各個相互影響的因子劃分為獨立的研究因子的準確性等。所有