神经网络技术在岩质边坡稳定性探究中应用.doc

神经网络技术在岩质边坡稳定性探究中应用摘要：利用模糊数学的基本原理，在Visual C＋＋语言的基础上，研制开发了岩质边坡稳定性系统评价的BP模型的计算机程序，通过实际工程分析，预测结果与实际完全吻合，说明所采用的BP神经网络算法评价岩质边坡稳定性是可行的，可以用来指导实际，该计算程序简单，易操作，有一定的推广应用价值。 关键词：岩质边坡； 神经网络 Abstract: using the basic principles of fuzzy mathematics, in Visual c + + language, and on the basis of the research and development of rock slope stability evaluation system of the BP model computer programs, and through the practical engineering analysis, forecast results and the practical perfectly, explain the BP neural network algorithm rock slope stability assessment is feasible, and can be used to guide practical, the calculation procedure is simple, easy to operate, has the certain application value. Keywords: rock slope; Neural network 中图分类号：TP183文献标识码：A 文章编号： 在高速公路、基础工程、露天矿山、水利水电等工程中，边坡的稳定性非常重要。在边坡稳定性分析中。最基本的评价指标是极限平衡方程的求解。传统的方法是采用以安全系数为度量指标的定值法，这种做法虽经长期的实践证明是一种有效的工程实用方法，但在某些工程设计中按此法计算是安全的，实际运营却发生了破坏，其原因复杂多样：其中很重要的因素是从理论上忽略了计算参数的不确定性；另一方面边坡以多大程度保证安全，定值法不能明确地回答。因此近年来边坡随机可靠度分析理论与实践得到国内外岩土工程界广泛重视和迅速发展。这种方法与定值法的根本区别在于考虑了变量的随机性，并用严格的概率来度量边坡的安全度。 在诱发边坡失稳的因素中，地震荷载（包括人工爆破地震和天然地震）的作用最为敏感。考虑地震荷载作用的边坡可靠度分析。其安全系数通常需要叠代求解，建立的极限状态方程是基本变量的隐式函数，即不能表达为基本变量的显式函数。因此常规的边坡可靠度分析方法（FOSM法）将遇到很大困难。点估计法、有理多项式法、蒙特卡罗模拟和响应面法等是解决此类问题的常用方法。从这个意义来讲，“危险性”应是一个定量的概率．而上述方法给出的危险性评价结果只能是一种定性的描述。但是对于地震滑坡而言，由于涉及的影响因素很多，有些因素不易量化或很难获得．有些因素相互之间往往存在复杂的相关关系，因而很难用常规的数学模型加以度量，也很难将复杂的影响因素综合成一个元素进行评价。由此可见，地震滑坡危险性评价是一个十分复杂的系统问题。 本文提出基于神经网络的新的可靠度分析方法，并应用于地震荷载作用下的边坡可靠度分析。通过实际工程分析，预测结果与实际完全吻合，说明所采用的BP神经网络算法评价项目管理风险是正确的，可以用来指导实际。该计算程序简单，易操作，有一定的推广应用价值。 1BP神经网络技术简介 人工神经网络（Artificial p4eural Networks）是20世纪80年代以来获得迅速发展的非线形模拟技术，具有自组织、自适应、自学习和容错性等独特的优良性质，为多输入、多输出系统提供了有效的解决方案。人工神经网络特别适用于处理两类问题，一是复杂大系统的优化和求解，二是对内部未知系统的逼近和模拟。对于岩质边坡稳定性的智能化预测的研究属于第二种情况。根据连接方式不同，神经网络可分成两大类：没有反馈的前向网络和相互结合型网络。前向网络由输入层，中间层（隐层），输出层组成。隐层可以有若干层，每一层的神经元只接受前一层神经元的输出，这样就实现了从输入层结点的状态空间到输出层状态空间的非线性映射。在前向网络中，以误差反向传播网络（Back—Propagation）一BP网络的应用最为广泛。BP神经网络是一种多层前向网络，由输入层、隐含层（又称为中间层）和输出层组成。隐含层可以是一层也可以是多层。目前应用最广泛的是三层神经网络，即输入层、一层隐含层和输出层组成的BP神经网络。其学习过程由向