人工神经网络边坡稳定预报模型.doc.docxVIP

PAGE 16 工程地质计算机应用 2006年 第 1 期 总 41期 工程地质计算机应用 2006年 第 1 期 总 41期 PAGE 1 ※ 专题论述 问题探讨 ※ 人工神经网络边坡稳定预报模型 向超文1 徐锦洪2 李焜1 於志斌1 （1湖北省人防建筑设计院 武汉 430071；2广东人防建筑设计院有限公司 广州 510405） 【摘要】本文建立了人工神经网络的边坡稳定预测模型，收集了较多的样本进行网络训练，训练结果表明，所建立的模型预测精度较高，简便易行，具有工程应用价值。通过人工神经网络的训练发现，边坡的坡度、内摩擦角、凝聚力对边坡的安全系数影响较大。对于水库边坡来说，水的渗流，水压力和坝高均对边坡的稳定性有较大的影响。 【关键词】预测 边坡稳定 人工神经网络 渗流 精度 0 引言 滑坡灾害与其他地质灾害一样，有其自身的发生发展规律。滑坡发生实际上是斜坡从渐变性位移到突然发生宏观滑移的非线性复杂过程。因此，边坡稳定性的分析是一个复杂的系统工程问题。由于构成边坡的岩土体形成于不同的地质环境中且经过多次地壳运动作用，再加上地应力以及地下水等地质环境因素的作用，所以边坡岩土体的构成与物理力学性质表现出宏观和微观上的不连续性和高度的非线性的特点,因此边坡工程可以看成是不确定的、非线性的动态开放复杂大系统。为此，对其稳定性作出准确有效的预测预报仍是岩土工程与地质领域亟待解决的课题之一。 目前，对边坡稳定性定时评价与预测预报方法可以分为两大类：数学力学定量法和位移时序分析法。数学力学定量法是一类以边坡的数学力学分析为基本手段的评价方法，主要代表性方法为刚体极限平衡法、Sama法、各种数值分析法、概率分析法等；位移时序分析法主要是以位移、位移速率和位移加速率为主要信息来源的分析预测法，在这方面已经相继提出统计预测模型差别法、灰色系统理论、突变理论预测模型、周期位移分析法、趋势位移分析法等。同时随着非线性科学的发展，使人们开始意识到滑坡灾害的发生是系统内要素通过一系列非平衡不稳定变化产生空间、时间、功能和结构的自组织过程，导致滑坡灾害的发生是系统远离平衡态的结果，提出了一些基于人工智能以及非线性理论分析方法，如各种优化方法、突变理论分析法，人工智能网络法、神经网络专家系统方法、层次排序法以及加卸载响应比理论等，其方法共同的特点为智能性、综合性、集成性和非线性。本文主要是对影响边坡稳定性的定性定量因素分析，运用神经网络基本原理，建立了边坡稳定性的神经网络预测预报模型,看其预报结果与边坡的实际稳定性是否吻合，并说明神经网络方法在边坡稳定预测中的有效性和使用性。 1 人工神经网络边坡稳定模型要素分析 1.1 边坡稳定性评价信息的描述 定量数据：边坡的高度、岩土体容重、凝聚力、摩擦角、地震、边坡角、孔隙压力比，有水位时考虑库水位等。 人工神经网络模型就是通过定性分析：如岩性、破坏模式、岩土体结构类型、岩体质量类别等，经过量化处理后，神经网络可以将影响边坡稳定的各类定性、定量信息引入到边坡稳定的分析和评价过程中，以便综合分析各类因素对边坡稳定性的影响。 1.2 几何因素对边坡稳定的影响 几何因素主要是边坡体的本身，即边坡的高度和边坡的坡角。总的来说，在其他条件相同的情况下，边坡的高度越高，安全系数越低，边坡的坡角越小，安全系数越高。 1.3 岩土体力学指标对边坡稳定的影响 岩土体的土力学指标主要是岩土体的容重、凝聚力、摩擦角和孔隙压力比等。 一般来讲，岩土体的容重较大，凝聚力越高，摩擦角越大，边坡的稳定系数越高，即安全系数越大，反之，凝聚力越是小，摩擦角越是小，边坡的安全系数越小，越容易失稳。 1.4 考虑水作用下的滑坡计算中的危险水力条件[1] 迎水坡的最不利情况为长期蓄水后水位骤降所引起的滑坡,这种滑坡主要是由于孔隙水压力来不及消散形成向边坡渗流所致。因此，水位骤降时的均质土坝，不透水地基比透水地基的安全性差。从理论上说，库水位降到最低时，其安全系数应为最小；但是当水位降到一半时安全系数减小的趋势已很缓，而且一般上游坝坡均覆盖强透水砂石料（或者是砂壳心墙坝），尤其是在坝脚处，经常有堆石体；这些起剪阻力的砂石料主要是依赖于材料的浮容重，而库水位放空时就决定于材料的总重。于是计算上游坝坡稳定时会发生库水位半满或部分满时的安全系数比完全空库时更小的情况。故最危险水位就需要根据具体坝型比较试算半空到全空的几种水位骤降情形来确定。缓降是指在上游水位的降落过程中，土中充水饱和的自由面也有显著下降，此时，可沿流线找出各时段的自由面位置及其流网，以便核