基于MATLAB的边坡稳定性评价方法.pdfVIP

· 24· 路基工程 2009年第3期 (总第 144期) 基于 MATLAB的边坡稳定性评价方法木 刘勇健 刘义建2 陈昌文 (1，广东工业大学 广东广州 510006；2，湖南省地质矿产勘查开发局407队 湖南怀化 418000) 摘 要 针对边坡变形破坏的复杂性，建立了基于MATLAB的边坡稳定性评价神经网络模型，对 面向MATLAB神经网络设计中的若干问题进行了探讨。研究表明基于四种快速算法的边坡稳定性评价 模型均可满足工程的要求。 关键词 神经网络 边坡工程 稳定性评价 MATLAB 0 引言 X =0．1+0．8 ( —Xi) ／( 一Xi) (1) 边坡稳定的传统分析方法主要有极限平衡法和数 式中 为真实值 ， …、 分别为真实值中的最大 值分析法。极限平衡法侧重于理论分析 ，精度依赖于 值与最小值， 为归一化后的取值。 使用者的经验；数值分析法的计算精度取决于岩土本 1．2 快速训练函数 构模型和输入参数的准确性。然而， “参数不准”和 MATLAB具有丰富函数库 ，使开发者从繁杂的 “模型不准”已成为数值分析两大 “瓶颈”。人工神 程序代码 中解放 出来，被誉为第 四代计算语言。 经网络为解决这类问题提供了一条新途径…．I。 Matlab7神经网络工具箱提供 了多种训练函数，下面 人工神经 网络是由大量处理单元组成非线性系 对几种快速算法进行分析对比。 统，具有 良好 的自适应性 、自组织性 、很强的学习、 1．2．1 自适应调整学习率算法 容错和抗干扰功能。它避开未知系统的复杂机理 ，直 自适应调整学习率算法首先计算 网络的输出误 接根据样本蕴含的信息对系统进行高效建模。然而， 差，然后在每次训练结束后，利用此时的学习率计算 网络模型的实现需要研究人员具有较高的编程能力， 网络的权值和阈值 ，并计算网络的输出误差。如果输 这在一定程度上影响神经 网络技术 的使用和推广。 出误差与前一时刻的输出误差的比值大于预先定义的 MATLAB软件 中的神经 网络工具箱 (简称 NNT) ， 参数max—perf—inc，则减小学习率，反之，则增加 为解决这一难题创造了便利条件，能大量减少程序编 学习率。Traingdx函数结合 了动量梯度下降算法和 自 辑和调试时间，从而集中精力思考解决问题的模型， 适应学习速率梯度下降算法 ，使网络的训练速度和稳 提高了工作效率。本文结合工程实例，在 MATLAB环 定性有了进一步提高。 境下建立了边坡稳定性评价的神经网络模型，并对相 1．2．2 共轭梯度法 关问题进行探讨。 在共轭梯度算法中，通过变换梯度来加快网络的 收敛速度。常用的算法有下列两种。 1 BP神经网络设计 (1)Fletcher—Reeves算法 (traincgf)。权值及阈 1．1 模型参数分析 值调整公式为 (1)网络的层数和节点数。BP神经网络是基于 P0= 一g0 k+l= k+OLkPk 误差反向传播的多层前向神经网络，最基本的BP网 Pk=一gk+卢kP一。卢k=(gTkgk)／(ggk一．) (2) 络由输入层 、隐含层和输出层组成。根据 Kolmogorov 式中 为第 次循环的权值；g。为第一次循环时的 定理，在一定条件下，存在一个三层网络，能以 (s 梯度；g为当前的梯度； 为当前的学习率；卢 为 0)均方差的精度逼近任意连续函数，因此，采用 样式度变换参数。Fl