基于改进极限学习机模型的岩质边坡稳定性评价与参数反演

岩质边坡的稳定性评价与参数确定是岩土工程领域的经典难题。基于大数据智能计算的优点,提出了一种结合变量遗忘因子的正则化在线序列极限学习机模型(FOS-ELM)的岩质边坡稳定性评价和参数确定方法。根据收集的1 235例岩质边坡的几何力学与Hoek-Brown模型参数,应用贝叶斯信息准则(BIC)优选基于岩体强度指标(GSI)、扰动因子(D)、岩石材料常数(m_i)、单轴抗压强度(σ_ci)、岩体重度(γ)、坡高(H)、坡角(β)的最优输入组合预测边坡稳定安全系数(F),并建立7个模型对最优输入组合进行评价,论证模型的预测精度,结果表明全参数输入组合精度最高,但输入参数并不是越多越好。同经典的极限学习机模型(ELM)相比,该模型具有预测精度高、预测速度快、后期增加边坡数据无须重新训练等优点。并采用不同赋值的全参数输入模型(FOS-ELM-M₇)建立边坡参数反演模型,结果表明该模型对边坡单参数和双参数的反演计算速度快、精度高,为获取岩体边坡参数提供了一种快捷的新方法。     

基于MATLAB的边坡稳定性极限上限分析程序开发

基于系统能耗最小原理的极限分析上限定理,利用MATLAB强大的数据处理功能,对边坡稳定系数Ncr采用序列二次规划法（SQP）进行优化计算,并与枚举法相结合,从而解决SQP算法求解优化解容易陷入局部最优解的问题。同时开发了一款简单实用的边坡稳定性分析软件,实现了计算结果与临界滑裂破坏面图形的可视化输出。与经典算例对比分析,计算结果具有较好的一致性,表明了程序的可靠性。分析了内摩擦角?、边坡倾斜角?、? 3个参数对边坡稳定系数Ncr的影响。计算结果表明：边坡稳定性系数Ncr对?、? 较为敏感,而对? 的敏感次之。其次,当?、? 比较接近或在小范围内波动时,对稳定性系数Ncr的影响特别敏感;当?、?值较小时,滑动面通过坡趾下方,而当?值比较大时,滑动面通过坡趾。     

基于概率神经网络的岩土边坡稳定性预测方法

基于数据挖掘技术和智能系统,提出应用概率神经网络预测边坡稳定性的数值方法。根据大量边坡稳定或者失稳案例记录的数据库资料,采用数据挖掘方法能够从中提炼出有价值的分类模式。将岩土边坡的力学参数和几何形状作为神经网络的输入训练和测试神经网络。实际应用显示所建立的概率神经网络预测边坡稳定的实用性。与传统的极限平衡分析方法和极大似然估计方法相对比,所提出的概率神经网络具有更高的预测精度。     

边坡稳定性的神经网络预测研究

根据神经网络法的基本原理，结合38个实际边坡工程稳定实例，应用VB5．0可视化编程语言，建立了边坡稳定性的神经网络预测模型，并运用该模型对部分边坡工程的稳定性进行预测，预测结果与边坡实际稳定状态相吻合，从而表明了神经网络法在边坡稳定性预测中的有效性。     

边坡稳定性评价结果的表达与边坡稳定判据

本文比较全面系统地总结分析了目前边坡工程中常用的各种稳定性评价结果的表达方式, 即各种边坡稳定判据。它们主要包括：(1)安全系数;(2)可靠度或破坏概率;(3)边坡岩体的位移、应力、位移速度等;(4)定性经验结论;(5)干扰能量;(6)声发射率等六种。在此基础上, 本文分析了各种判据的特点及其适用条件等。     

基于蚁群聚类算法的岩石边坡稳定性分析

由于岩石边坡影响因素众多且关系复杂,不能用简单的方法进行分析和判断。在工程类比的基础上,一般采用聚类的方法。但由于边坡工程问题环境的复杂性,岩石边坡稳定分析的聚类问题是一个复杂的模糊、随机优化问题,采用传统方法难免带来很多局限性。为了更好地解决这类问题,首次把蚁群聚类算法这种新近提出的仿生聚类算法引入岩石边坡工程领域,以解决其稳定分析问题,提出一种分析岩石边坡稳定问题的新方法。该方法在分析岩石边坡工程实例资料的基础上,采用蚁群聚类算法,以工程类比的思想判断岩石边坡的稳定状态。工程应用证明,该算法可以自动把岩石边坡分成几种类似的状态,判断准确率较高、计算速度较快,是一种比较实用的岩石边坡稳定分析方法,值得在岩石边坡分析领域推广应用。     

岩质边坡稳定性预测的BP网络法

结合已有岩质边坡工程实例,针对岩质边坡稳定性预测中存在的问题,提出了运用BP网络预测岩质边坡稳定性的方法,并构造了相应的网络模型。预测结果表明,模型具有较高的预测精度,能够满足实际工程需要,是有一定实用价值和参考价值的边坡稳定性预测方法。     

基于PSO-SVM的边坡稳定性组合预测方法研究

为利用不同边坡稳定预测方法的特征信息,改进预测质量,提出了一种基于微粒群优化--支持向量机(PSO-SVM)的边坡稳定性非线性组合预测模型。该模型能够利用边坡的特征参数快速预测出边坡的稳定性,且在建模过程中可对不同建模方法的特征信息进行整合,避免了单一方法的偶然性。为提高SVM的学习、泛化能力,采用混合核函数,并用具有并行性和分布式特点的PSO算法优化选择SVM模型参数。利用该非线性组合预测模型对73个边坡实例进行学习,对另外10个边坡实例进行推广预测,研究结果表明,该模型较好地整合了不同建模方法的特征信息,较单一模型、加权组合模型和BP网络组合模型具有更高的预测精度和更小的峰值误差,为边坡稳定性评价提供了一种新的途径。     

基于PSO-DSRVM的边坡变形预测

为了建立高精度的边坡位移预测模型,文章采用基于粒子群优化(PSO)的双稀疏相关向量机(DSRVM)建立边坡稳定性和影响因素之间的非线性关系。双稀疏相关向量机是在变分和相关向量机(RVM)框架下提出的一种多核组合优化的方法,相比于RVM和其他多核学习方法,DSRVM不仅有更少的训练时间,并且能够得到更高的预测精度。由于DSRVM的核参数对预测效果的影响较大,文章采用粒子群算法实现多个核参数的优化选取并应用于边坡位移预测。最后将本文提出的基于粒子群优化的双稀疏相关向量机(PSO-DSRVM)预测结果与极限学习机(ELM)和小波神经网络(WNN)预测结果进行对比,通过均方根误差(RMSE)、复相关系数(R²)和平均相对预测误差(ARPE)进行评价,验证了PSO-DSRVM模型在边坡变形预测上的可行性。     

边坡稳定性预测的模糊神经网络模型

根据边坡稳定问题具有的模糊性,提出了一种判定边坡稳定性的模糊神经网络模型。该系统仅从期望输入输出数据集即可达到获取知识、确定模糊初始规则基的目的。再利用神经网络学习能力便不难修改规则库中的模糊规则以及隶属函数和网络权值等参数,这样大大减少了规则匹配过程,加快了推理速度,从而极大程度地提高了系统的自适应能力。最后用收集到的边坡数据样本训练和测试模糊神经网络模型,结果表明该模糊神经网络预测边坡稳定性是可行的、有效的。     

基于集对云模型的边坡稳定性评价

集对分析对边坡稳定性进行评价时,采用线性公式来表达联系度,难以准确反映工程实际,且具体的联系度扼杀了系统的随机性。对此,将云理论中“隶属云”的概念引入对联系度进行改进得到云联系度,形成了集对云模型。该模型将云联系度矩阵与云理论改进AHP确定的权重矩阵相结合,得到综合云联系度矩阵,通过云发生器绘出等级云图。该模型兼顾系统的模糊性和随机性,且实现了等级的可视化,并通过X云发生器得到隶属不同等级的概率。将该模型应用于边坡工程中,与既有模型和工程实际进行对比分析,验证该模型的准确性,并对不同的边坡进行稳定性排序。模型结合云理论与集对分析的优点,充分考虑系统的随机性,为边坡稳定性评价提供了一种思路和参考。     

基于统一强度理论的土石坝边坡稳定分析遗传算法

将非线性统一强度理论应用于土石坝边坡稳定分析中,考虑坝体各应力分量包括中间主应力对土质材料强度的影响,以区别于传统土石坝稳定分析中仅考虑剪切和拉伸极限强度的极限平衡法。提出了一个土石坝边坡稳定优化分析模型,并采用最优化遗传算法对土石坝边坡进行断裂面优化搜索。研究表明,统一强度理论中反映中间主应力效应系数值变化对坝体稳定安全系数有显著影响。利用遗传算法对土石坝边坡稳定进行分析时,不必事先假定滑裂面的形状,根据土石坝非线性统一强度理论的剪裂破坏准则进行滑裂面搜索。针对常规最优化方法容易陷入局部最优解的缺陷,基于MATLAB遗传算法工具箱对土石坝边坡稳定性进行分析,分析结果表明,统一强度理论结合遗传算法能克服常规最优化方法在寻优过程中一些缺陷,计算结果更自然合理。     

基于最小二乘法的边坡稳定性分析

利用经典土压力理论设定合理土条推力线范围,根据静力平衡及力矩平衡条件建立以条块界面安全系数 为变量的线性超定方程组,应用MATLAB软件基于最小二乘方法对此方程组求解,依据极大值原理及合理性条件： ,最终获得边坡整体安全系数 。经算例验证得出如下结论：当条块界面与条块整体安全系数相等时,边坡抗剪能力发挥最大;安全系数随推力线位置的升高而减小,但影响并不大;由于考虑了极大值原理,该法求得的安全系数略微偏大于其他方法。     

基于岩体抗压强度折减的边坡稳定性分析方法

在岩体边坡稳定性分析方法中,基于非线性Hoek-Brown准则的强度折减法,存在折减方案不统一或计算太复杂等问题。针对这一问题,提出了一种基于岩体抗压强度的广义Hoek-Brown准则强度折减法,比直接折减材料参数,更能体现强度衰减的物理意义。方案以岩体单轴抗压强度作为折减依据,对岩石单轴抗压强度s_ci和反映岩体结构特征的参数组合s^a（s、a 均为模型参数）进行同比折减,分析该方案下抗剪切强度和抗拉强度的折减比例,并基于平均抗剪强度定义安全系数。应用该方案,对两个经典边坡算例进行稳定性分析,将所得安全系数、临界滑动面与局部线性化强度折减法、极限平衡法进行对比。结果表明,对于两算例,本方法所得安全系数与其他两种方法结果接近,相对误差低于2%;在算例1中,本方法得到的临界滑动面位置与其他两种方法结果一致性很高;在算例2中,本方案滑动面位置更接近于局部线性化法,且能同时反映剪切和拉伸破坏。以上结果验证了本强度折减方案和安全系数定义法的可靠性和合理性。     

温控参数有限元法在边坡稳定分析中的应用

针对边坡稳定分析中所采用的基于强度参数折减的有限元方法,提出利用温度场来控制强度参数的折减,大大提高了计算效率。两个计算实例表明,一定时步后?max / H,即节点最大位移对坡高的比值,会快速增加,建议取该比值在0.05～0.1之间的不收敛时刻或突变时刻对应的折减系数作为安全系数。     

基于广义回归神经网络的边坡稳定性评价

边坡失稳是比较常见的地质灾害,判定其稳定性的方法很多,在使用过程中也暴露出了这些方法的缺陷。针对这些问题,构建了适合于边坡稳定性评价的广义回归神经网络模型,并运用Matlab的神经网络工具箱进行了分析和计算,使用了相关数据来训练和测试该模型的可靠性和可行性。结果表明,广义回归神经网络模型在使用过程中需选择合适的光滑因子,而所得出的数据与实际结果较为相符,解决了之前使用的BP神经网络模型的缺点,具有很好的工程运用前景。     

基于GIS的边坡稳定性计算方法研究

结合GIS（地理信息系统）的空间分析能力和滑动面正应力分布假定模型,建立了基于栅格单元的三维边坡极限平衡模型,提出了基于GIS的边坡稳定性计算方法。该方法首先建立了基于栅格柱体单元的三维边坡稳定性分析模型,给出了模型参数在GIS中的空间表达式;其次,在极限平衡条件下,推导出滑体在GIS中的3个力平衡方程式和1个力矩平衡方程式,形成了用于求解三维安全系数的方程组;最后,基于摩尔-库仑强度准则,以及滑动面正应力分布的假定,求解三维安全系数。同时利用COM（组件对象模型）技术开发出一个基于GIS的三维边坡稳定性分析扩展模块,该模块可实现复杂的算法计算以及多种组合荷载下的稳定性计算,并通过算例验证了该模块的正确性和便利性。     

基于边坡单元的公路沿线滑坡危险度概率分析

公路沿线发生的滑坡、泥石流等自然灾害是造成交通停滞的主要原因。对公路沿线边坡进行稳定性评价及滑坡灾害分析对于公路管理和灾害防治具有重要意义。为了能对大范围边坡应用三维力学模型进行稳定性评价,研究中将较大研究区域划分为多个边坡单元（slope unit）,并介绍了边坡单元划分方法。对每个边坡单元,采用随机生成许多假想滑动面并通过一个基于GIS的边坡稳定性三维分析模型计算其安全系数的方法,找出具有最小安全系数的危险滑动面,同时求出在试算过程中安全系数小于某临界值（通常设为1.0）的结果出现的比率,作为该边坡单元的滑坡发生概率,以此作为指标对研究区域进行危险度评价。通过对日本49号国道沿线边坡中的应用对该方法的实用性进行了验证。     

基于连续-离散耦合的边坡稳定性分析研究

以河北省某露天铁矿边坡为工程背景,采用连续-离散耦合数值分析方法,对典型边坡断面进行分步开挖,结合强度折减法,计算分析坡体的变形规律和受力特征。连续、离散网格区域分别采用有限差分FLAC和颗粒离散元PFC进行建模,着重从连续-离散模型的数据一致性,剪应变增量的形成、发展与局部位移的关系,连续-离散介质受力与位移过程,离散体细观破裂与坡体塑性变形等方面,对边坡稳定性的耦合分析方法进行研究,从宏观和细观角度对边坡的失稳机制进行了较为全面的探索。结果表明：（1）计算过程中坡体应力和位移在连续域和离散域保持了较高的一致性,连续-离散耦合分析方法适用于边坡稳定性研究;（2）作为边坡失稳判据的剪应变增量变化过程主要受岩土体水平位移控制;（3）细观破裂机制可有效表征边坡的宏观塑性变形;（4）土体颗粒接触力链的方向改变是土体位移和变形的驱动因素。     

基于盲数理论的边坡安全稳定分析研究

岩土工程中的各种信息普遍存在着随机性、模糊性、灰性及未确知性等不确定性,由于实际情况的复杂和试验资料的不足,计算参数往往是多种不确定性的混合体。针对这一特点,利用盲数来表达计算参数的不确定性,将盲信息的数学理论引入到边坡稳定的刚体极限平衡计算方法中,提出了一种安全系数计算的新方法。运用盲数运算法则计算出安全系数在不同的取值区间内的可信度,从而为判断边坡的稳定状态提供了更全面的依据,克服了传统方法描述过于绝对化的问题。实例研究表明,盲数在边坡稳定分析中能更好地考虑参数的不确定性情况,得到的结果更可靠,有较好的实用价值。