基于位移反分析的岩质边坡稳定性分析.pdfVIP

第2卷 第5期 有色金属科学与工程 Vo1．2，No．5 2011年 10月 Nonferrous MetalsScienceand Engineering Oct．20l1 文章编号：1674—9669(2011)05—0089—04 基于位移反分析的岩质边坡稳定性分析 谢 良 ， 支学艺 ， 郭钟群 ， 吴乐文 (江西理工大学，a．资源与环境工程学院，b．建筑与测绘工程学院，江西赣州 341000) 摘 要：通过工程现场获得边坡位移量等信息，并基于正交试验设计和 FLAC∞建立训练样本和测试 样本，运用BP神经网络建立起边坡位移与待反演参数之间潜在的映射关系．利用粒子群算法的参数 优化功能优化BP神经网络，然后再用粒子群算法从全局空间上搜索出BP神经网络 中预测位移与 实测位移最接近的一组参数组合，最后采用FLAC∞计算出边坡的安全系数来评价其稳定性．研究表 明将BP神经网络与粒子群算法相结合，进行位移反分析是可行的；通过位移反分析得到的参数结 果 ，进行稳定性分析将更准确． 关键词：位移反分析；粒子群算法；BP神经网络；正交试验 ；安全系数 中图分类号 ：TD31l 文献标志码 ：A Studyonthestabilityofrockslopebasedonbackanalysisofdisplacement XIELiang~,ZHIXue-yP,GUO Zhong-qun2．W U Le-wen a．FacultyofResourceandEnvironmentalEngineering；b．SchoolofArchitecturalandSurveyingand MappingEngineering，JiangxiUniversityofScienceandTechnology，Ganzhou341000，China) Abstract：Slopedisplacementdataandotherinformationattheprojectsitewereusedtomakethetrainingsamples andtestsamples，basedonorthogonal experimentaldesignandFLAC如numericalsimulation．Thepotential mapping relationshipbetweenslopedisplacementand parameterstobebackanalyzedwasestablished bytheBP neural network．TheBPneuralnetworkwasoptimizedbyparticleSWalqTIoptimization，whichthenwasusedtosearchout themostlikelyequivalentparametersbetweenforecastandmeasureddisplacementintheglobalspaceofBPneural network．Atlast，thesafetyfactorofslopethatwasusedtoevaluateitsstabilitywasobtainedbyFLAC3D．Theresult showsthatitisfeasibletocarryoutthebackanalysisofdisplacement，combined withBP neuralnetwork and particleswal3noptimization；thestabilityanalysiswouldbemoreexactwhentheparametersaregottenbytheback analysis． Keywords：back-analysisofdisplacement；particleswarm optimization；BPneuralnetwork；orthogonal test；safety faetor 采时间的延长就形成了一定规模露天边坡．而这