原创力文档- 1、本文档共8页，可阅读全部内容。
- 2、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。
- 3、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 5、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 6、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 7、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 8、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
基于RBF神经网络的边坡稳定可靠度分析.pdf
第6卷第2期 地下空间与工程学报 V01．6
ChineseJoumal0f and A
2010年4月 UndeI‘gmundSpaceEnginee—ng pr．2010
基于RBF神经网络的边坡稳定可靠度分析+
毕卫华，谭晓慧，侯晓亮，王 伟
(合肥工业大学资源与环境工程学院，合肥230009)
摘要：RBF神经网络具有网络训练速度快、可以避免局部极小等优点。文章基于RBF
神经网络理论，采用蒙特卡罗模拟法来进行结构的可靠度分析，研究了样本点的生成方法及样
本数对可靠度分析结果的影响，并将基于RBF神经网络的蒙特卡罗模拟法应用于边坡的可靠
度分析。计算表明：基于RBF神经网络的蒙特卡罗模拟法具有较好的计算效率和计算精度；
样本点的生成方法和样本数对计算结果影响较大。与随机取样法相比，均匀设计法生成的样
本点分布更均匀，由此样本点集训练生成的神经网络能更好的代替原功能函数，在相同的样本
数时具有更高的计算精度；当计算精度相同时，均匀设计法比随机取样法需要生成的样本点
少。计算效率高。
关键词：边坡；RBF神经网络；蒙特卡罗模拟法；均匀设计
457
中图分类号：TU 文献标识码：A
of BasedonRBFNeuralNetwork
ReIiabilityAnalysisSlope
Bi Wei
Weihua-TanXiaohui，HouXia01iang，Wang
(SclIlooz矿触DM删n，ld肪ir0，珊e，l纠砌∥懈一昭。H咖i掘抛rs渺矿陬．Il，lo如gy．麒咖i230009，珊打Ⅺ)
neuralnetworkisakindof networksi眦e it c粕avoid
Abs慨lct：RBF good i协trainingspeedi$veryf如t，and
of of
tIlefault to10calminimal ontlle RBFneural
convergencing value．Therefore，b鹪edtheory network-Monto-Carlo
simulation usedto Bturctural e矗tof methodandthe
method(MCSM)i8cany帆t reliabiHt)，明alysis．rnIe8ampling
are t0
number0f t0 r∞ults RBFb舾ed
6amplepointsreliabiliyanalyze studied，粕d MCSM(RBF-MCSM)is啪ed
the ofa It’8de啪ns昀ted岫RBF—McSM王Ia8 and
a蒯yzereliabiHtyslope． h讪compu诅tion拯ciencyh动
the of of
the memodand nu“ber havea ef耗cton山eresults
precisi
文档评论（0）