神经网络改进算法在边坡稳定性预测中的应用.pdfVIP

第34卷 第9期 山 西 建 筑 V01．34 No．9 2 0 0 8年 3月 SHANXI ARCHITECn Ⅱ E Mar．2008 ·365 · 文章编号：1009—6825(2008)09—0365—02 神经网络改进算法在边坡稳定性预测中的应用 张虎彪 摘 要：基于前人的研究成果，对神经网络理论中的BP网络算法进行改进，并将其运用于岩质边坡稳定性和失稳方式 的判断，建立BP神经网络判断模型，结果表明改进的BP网络模型预测与实际情况接近，具有一定的运用价值。 关键词：岩质边坡，失稳方式，BP网络模型，稳定性 中图分类号~TP391 文献标识码：A 边坡系统是一个复杂系统，其稳定性影响因素(如斜坡的外 次的变化，而依梯度法产生的变化部分被忽略。以此方式，增加 形岩性构造水地震和人为因素)虽部分具有确定性，但大部分具 了动量项后，促使权值的调节向误差曲面底部的平均方向变化， 有不确定性、随机性、模糊性、可变性等。它们对不同类型边坡岩 当网络权值进人误差曲面底部的平坦区时， 将变得很小，于是 体稳定性影响权重是变化的，故边坡稳定性评价是一项复杂的综 △ (￡+1)≈△硼 (￡)，从而防止△硼 =0的出现，有助于使网络 合评价过程。传统的统计法力学计算可靠性分析不能深刻揭示 从误差曲面的局部极小值中跳出。 边坡灾害演化的非线性关系，难以精确解决问题。基于概率理论 2 预测的神经网络模型 的可靠性分析方法的实质是用泰勒级数展开并忽略高阶项，以得 2．1 岩体边坡稳定性及变形失稳方式的评价指标 到简单的解析关系。应用模糊综合评价灰色聚类分析并与数学 存在于大自然的岩质边坡与其稳定性的有关因素概括起来 方法进行综合评价，但是这些方法都忽略了评价指标的作用，有 有：地形、岩体、影响因素三大类【4 J。并将影响边坡岩体稳定性指 些是相互依赖或相互关联的。近年来发展的神经网络技术突破 标归纳为岩体质量系数、回弹值(实验确定)、结构面发育特征、结 了以上方法的“瓶颈”限制。此项技术具有自学习、自组织联想记 构面力学性质、岩体风化作用、坡高、地下水、坡角开挖。 忆能力和良好的容错能力，能进行聚类分析特征nj提取缺损模式 2．1．1 岩体质量系数SRMR 复原等模式信息处理工作，又宜于做模式分类、模式联想等模式 边坡岩体质量综合反映岩体结构完整性、岩石坚硬程度。根 识别工作，还具有很强的自适应功能。 据Bieniawski提出的岩体质量评价系统 RMR值，进行如下修正 1 BP网络基本原理 得出边坡岩体质量系数SRMR为： 1．1 BP网络简介 SRMR： RMR (3) 人工神经网络是一种高度的非线性映射处理系统，具有强大 上UU 的自组织、自学习、自适应和分类计算能力。神经网络按网络结 2．1．2 结构面修正系数 构和学习算法可分为很多种，BP网络是目前运用最为广泛的神 在边坡岩体稳定性分析中，断层、软弱夹层、泥化夹层、层理 经网络模型之一。 及节理等各种结构面对边坡稳定性的工程意义及影响权值一般 BP网络实质上是一种输入到输出的映射，它能够学习大量 情况下