基于粒子群BP网络混合算法的边坡稳定性评价.pdfVIP

第 12卷 第 1期 铁道科学与工程学报 Volume12 Number1 2015年 2月 JournalofRailwayScienceandEngineering February2015 基于粒子群 BP网络混合算法的 边坡稳定性评价 胡卫东 ，曹文贵 1．湖南大学岩土工程研究所，湖南 长沙410082； 2．湖南理工学院 土木建筑工程学院，湖南 岳阳414000 摘 要：边坡稳定性评价与预测具有高度非线性和不确定性特征，难以用准确的数学模型表达。选取多个边坡工程实例构 成学习样本集，以土体重度、内摩擦角、黏聚力、坡角、坡高、孔隙压力比6个主要影响因素作为土坡稳定性的评价判别指 标；然后采用粒子群算法优化BP神经网络模型，实现混合算法，在保持 BP网络算法误差反向传播修正权值特点的同时，将 网络权值和阈值粒子化，利用粒子群算法的全局搜索性实现网络权值和阈值的更新，从而加快收敛速度和提高收敛精度， 避免传统粒子群结合 BP网络算法的“早熟”现象；通过与其他算法进行边坡稳定性评价的比较分析，表明了本文研究算法 的可行性与合理性。 关键词：边坡稳定性；粒子群算法；BP神经网络；混合算法；优化 中图分类号：TP183 文献标志码：A 文章编号：1672—7029 2015 01—0066—06 Slopestabilityevaluationbasedonhybridalgorithm of particleswarm optimizationandBPneuralnetwork HU Weidong一，CAOWengui 1．InstituteofGeotechnicalEngineering，HunanUniversity，Changsha410082，China； 2．SchoolofCivilandArchitecturalEngineering，HunanInstituteofScienceandTechnology，Yueyang414000，China Abstract：Itishighlynonlinearanduncertaintoevaluateandpredictslopestability，andalsodifficulttoexpress usingaccuratemathematicalmode1．Firstly，themultipleslopeengineeringinstanceswereadoptedtoconstitutea learningsampleset．Thesixmain influencefactors，including soildensity，internalfriction angle，cohesion， slopeangle，slopeheight，voidratio，composedslopestabilityevaluationindex．ThenBPneuralnetworkmodel wasoptimizedusingparticleswarlTloptimizationalgorithm torealizethehybridalgorithm．Whenmaintainingthe BPnetworkalgorithm oferrorbackpropagationcorrectionweight，thenetworkweightsandthresholdvalueswere particlesandupdatedusingparticleswam3algorithm globalsearching．Atthesametimetheconvergencespeed wasacceleratedandtheconvergenceprecisionwasimproved．The “premature”phenomenonfortheBPnetwork algorithm combiningwith traditionalparticleswarm wasavoided．Finally，thefeasibility andrationalityofthe proposedapproachinthepaperwereverifiedincomparisonwithotherslopestabilityevaluationalgorithms． Keywords：slopestability；particleswarm algorithm；BPneuralnetwork；hybridalgorithm；optimization 收稿 日期：2014—07—09 基金项 目：国家 自然科学基金资助项 目 座机电话号码 ；高等学校博士学科点专