边坡岩体稳定性的人工神经网络预测模型

合集下载

基于神经网络参数优化的岩体边坡稳定性评价

基于神经网络参数优化的岩体边坡稳定性评价

78
人 民 长 江
网络 的 网络层 数和 隐含层 神经 元数直 接影 响模 型 的预
续减 小 , 预测误 差 开始增 大 ; s超过 2 当 5个 后 , 习误 学 差 已经相 当小 , 预测误 差 急增 , 而
表 1 高 陡 边 坡 岩 体 稳 定 性 评 价 典 型 工 程 实例
高是影 响边 坡岩 体稳定 的基 本 因素 , 而水 的作用 、 工 施
忆 能 力 和 良好 的 容 错 能 力 , 具 有 很 强 的 自适 应 功 还
能 。
方式等 构 成 了边 坡 岩 体 稳 定 性 的诱 发 因 素 。据 陈 昌彦 等的研 究 , 响 边坡 岩 体 稳 定性 的 因素 可 以 归纳 影 为 5个 复合 指标 , 即边 坡 岩体 质 量 系 数 、 构 面方 位 、 结
网络 为客 观反 映高 陡岩体 边坡 的稳定 性程 度提供 了一
条有 效 的途径 。
2 B P人 工 神 经 网络 模 型 及参 数 优 化
B P人 工神 经 网络模 型的参数 有很 多 , 网络 预测 对
目前 , B 用 P神 经 网 络 评价 岩 体 稳 定 性 关 键 的 因 素有 两 方面 : 边坡 岩 体 稳 定 性 评 价 指标 的选 取 ; ① ② B P神经 网络 参 数 的选 取 。前 者 已有相 当多 的 研 究论
之 间复杂 的非线 性 映射 , 有 自学 习 、 具 自组 织 的联 想记
1 边坡岩体稳定性分析 的复合评价指标
水电 、 冶金 、 公路 等各类 工程 岩质边 坡岩 体稳 定性 统计表 明 , 边坡岩 体 稳定 性 状 况 是 多种 因素 非线 性 耦
合作用 的结 果 , 中岩 石强 度特性 、 其 岩体 风化 作用 和坡

基于BP神经网络对边坡稳定性预测分析

基于BP神经网络对边坡稳定性预测分析

第31卷增刊12019年6月中国煤炭地质COAL GEOLOGY OF CHINAVol.31Sup.1Jun.2019doi:10.3969/j.issn.1674-1803.2019.S1.10文章编号:1674-1803(2019)S1-0055-03基于BP 神经网络对边坡稳定性预测分析管宏飞1,江㊀平1,郭㊀飞2,李红涛1(1.湖北省地质勘察基础工程有限公司,湖北宜昌㊀443002;2.三峡大学土木工程与建筑学院,湖北宜昌㊀443002)摘㊀要:采用BP 软件建立了人工神经网络的边坡稳定性预测模型,并以杨东坪小学后侧边坡为例进行田边稳定性预测㊂结果表明,所预测边坡稳定性与实际情况基本相符,能够满足工程需求,因此利用BP 神经网络对边坡稳定性进行预测是可行的㊂关键词:BP 神经网络;边坡稳定性;秭归杨东坪中图分类号:P641.4+61;F426.21㊀㊀㊀㊀㊀㊀文献标识码:ASlope Stability Prediction Analysis Based on BP Neural NetworkGuan Hongfei 1,Jiang Ping 1,Guo Fei 2and Li Hongtao 1(1.Hubei Geological Survey Foundation Engineering Co.Ltd.,Yichang,Hubei 443002;2.College of Civil Engineering and Architecture,China Three Gorges University,Yichang,Hubei 443002)Abstract :The artificial neural network slope stability prediction model has been modeled through back propagation (BP)algorithm.Taking a slope in rear side of the Yangdongping primary school as example carried out stability prediction.The result has shown that the predicted slope stability is basically tally with actual situation,can meet engineering requirements.Thus the use of BP neural net-work to carry out slope stability prediction is feasible.Keywords :BP neural network;slope stability;Yangdongping,Zigui County第一作者简介:管宏飞(1988 ),男,岩土工程专业硕士研究生,从事岩土工程治理设计工作㊂收稿日期:2019-05-18责任编辑:樊小舟0㊀引言随着我国基础设施建设的高速发展,在建设过程中难免会出现大量的边坡,这些边坡一旦失稳,将带来巨大的经济损失㊂影响边坡稳定性的因素很多,在分析和治理过程中,需要对边坡各影响因素综合分析,影响因素之间关系错综复杂,因此需进行边坡稳定性影响因素的敏感性分析㊂通过对影响边坡稳定性因素的敏感性分析,可以找出边坡失稳的主导因素,为边坡失稳灾害的防治及人工边坡的优化设计提供依据㊂本文利用BP 神经网络的相互作用矩阵,对边坡稳定性影响因素的敏感性进行分析,对边坡稳定性进行预测,形成边坡预测专家决策系统,为边坡设计进行具有指导㊂1㊀基于神经网络的边坡稳定性预测分析1.1㊀边坡影响因素边坡稳定性影响因素很多,其中主要影响因素为地层岩性㊁覆盖层物质组成㊁岩土层的抗剪强度(或是主控结构面参数)㊁岩质边坡是否为顺层㊁边坡坡高坡角以及变形迹象㊂地层岩性以及物质组成为地质基本条件,岩性越差,边坡稳定性往往越差,比如三叠系巴东组第二段紫红色粉砂质泥岩最易形成滑坡;岩土层的抗剪强度更是边坡稳定性的主控因素,一般来说,边坡坡高越高㊁坡度越陡,边坡稳定性越差㊂1.2㊀BP 神经网络的基本原理人工神经网络无需事先确定输入输出之间映射关系的数学方程,仅通过自身的训练,学习某种规则,在给定输入值时得到最接近期望输出值的结果㊂作为一种智能信息处理系统,人工神经网络实现其功能的核心是算法㊂BP 神经网络是一种按误差反向传播(简称误差反传)训练的多层前馈网络,其算法称为BP 算法,它的基本思想是梯度下降法,利用梯度搜索技术,以期使网络的实际输出值和期望输出值的误差均方差为最小㊂目前,人工神经网络应用最广的是BP 网络,也是研究最多的一种神经网络㊂BP 算法的基本思想是学习过程由信号的正向传播与误差的反向传播两个过程组成㊂其基本结构包含了一个输入层,一个或多个隐含层和一个输出层;由传递函数来完成层与层之间各神经元的映射㊂隐含层的神经元通常采用Sigmoid 形的传递,输出层的神经元通常为线56㊀中㊀国㊀煤㊀炭㊀地㊀质第31卷性传递函数(图1)㊂神经网络结构确定以后,就可用输入输出样本集对神经网络进行学习,其过程也就是对蕴含着知识的权值和阈值进行训练㊂当期望输出与网络计算输出的差值达到要求的精度时就完成了对网络的训练,这时网络的权值和阈值也就确定下来了,可以用于预测了㊂图1㊀BP 网络模型示意Figure 1㊀A schematic diagram of BP neural network model1.3㊀输入参数处理根据已有边坡样本类型,对于地层岩性㊁覆盖层物质以及是否为顺向坡组成需采用数字代号替换,地层岩性根据岩性划分为1~4共4个类型(分别为砂岩㊁灰岩㊁泥岩以及花岗岩和流纹岩);表层出露覆盖层划分为填土㊁含碎石粉质粘土㊁碎石土㊁全风化岩层㊁强风化岩层以及中风化岩层(划分为1~5共5个类别);对于是否为顺层,若为顺层,输入1,否则输入0;对于边坡有无变形,有变形输入1,无变形输入0㊂1.4㊀输出变量处理边坡稳定性作为输出变量,将边坡稳定状态简化为欠稳定和基本稳定两种(欠稳定为0,基本稳定为1)1.5㊀人工神经网络边坡模型的训练对所收集到的大量边坡治理设计事例中,以24个典型的边坡设计作为参考,进行神经网络模型有效性训练㊂每一个学习样本由8种征兆参数值组成,采用三层BP 网络结构进行训练[2-4],网络收敛后固定权值与阈值㊂选取的边坡稳定性学习样本的有关参数指标分为输入参数和输出指标㊂其中输入参数依次为地层岩性㊁覆盖层物质组成㊁顺向状态㊁粘聚力㊁内摩擦角㊁边坡坡高㊁边坡坡角以及变形迹象(表1);输出指标为边坡稳定状态(表2)㊂一般规定1为存在,0为不存在㊂表1㊀边坡稳定性训练样本Table 1㊀Slope stability training samples序号地层岩性覆盖层顺层状态粘聚力/kPa摩擦角/(ʎ)边坡坡角/(ʎ)边坡高度/m变形迹象11401515706021301714652013240361165814351172050615220161360716410184570617410184570608120161335301925017208015010230361135 5.51114201720503012150172070100133516023459.511421014174550152606020652001632020164514117260503550280181202522351101933120153035120310141760221212405345510.50221506025521002314082845311241110840100增刊1管宏飞,等:基于BP神经网络对边坡稳定性预测分析57㊀表2㊀边坡样本稳定性输出结果Table2㊀Slope sample stability output results 序号稳定性稳定状态10欠稳定20欠稳定30欠稳定40欠稳定50欠稳定61基本稳定71基本稳定81基本稳定90欠稳定100欠稳定111基本稳定121基本稳定130欠稳定140欠稳定151基本稳定160欠稳定171基本稳定181基本稳定190欠稳定200欠稳定210欠稳定221基本稳定230欠稳定240欠稳定2㊀工程实例分析现以秭归县杨东坪小学后侧边坡为例,证实边坡稳定性预测决策功能㊂杨东坪小学后侧边坡场地属构造剥蚀侵蚀中低山区,总体呈东南高㊁西北低的斜坡地形,为山麓斜坡堆积地貌㊂场地西侧和东侧为原始地貌,场地南高北低,地形高差29~30m,边坡坡度陡峭,坡度30ʎ~45ʎ,平均坡度38ʎ㊂根据勘察揭露,场地覆盖层主要为第四系残坡积层含粉质粘土碎石(Q4el+dl),下伏基岩为志留系下统罗惹坪组下段灰绿色 黄绿色粉砂岩(S1lr1)㊂由于修建教工宿舍楼场坪开挖,在K0+000~K0 +033段边坡前缘形成高8~12m的临空面,在K0+ 033~K0+060段前缘形成高6~8m的临空面,加上后期降雨作用导致该两段边坡前缘失稳,牵引边坡整体滑移㊂野外调查表明,变形体各部位有不同程度的变形㊁裂缝等现象,在变形体后缘公路外侧出现一条长约10m,宽5~10cm裂缝,走向近东西,裂缝深2~5cm㊂变形体东西两侧出现纵向拉裂缝,北侧缝宽0.5~2m,可见深度约1m,裂缝走向与滑坡方向一致,后缘出现大量横向羽状裂缝,前缘出现坍滑,横宽约15m,纵向长约8m㊂根据边坡实际地质情况,其基本输入参数如表3所示㊂将表3基本数据代入网络预测模型[5],结果表明,边坡处于欠稳定状态,这与现场实际情况是基本相符的㊂表3㊀边坡输入基本信息Table3㊀Basic slope inputted information地层岩性覆盖层顺层状态粘聚力/kPa摩擦角/(ʎ)边坡坡角/(ʎ)边坡高度/m变形迹象140828383013㊀结语①利用BP神经网络的相互作用矩阵,对边坡稳定性进行预测,形成边坡预测专家决策系统,对边坡稳定性预判具有一定的指导意义㊂②本文仅对边坡稳定性进行了预测分析,在实际工程运用中,更需要利用决策系统对边坡治理措施进行预判,这样意义更大,但考虑到工程实际情况,放坡和工程加固措施往往相辅相成,两者常存在交叉影响关系,故而会影响预测结果,仍有诸多不足需深入研究改进㊂③由于边坡稳定性受多方因素影响,地层岩性种类繁杂,且岩土体具有不连续性和各向异性㊂因此,用传统的线性化方法难以准确描述边坡的非线性特征,对于大型复杂的边坡稳定性预测尚存在一定的困难㊂参考文献:[1]孙平定,蔡润,谢成阳,等.基于遗传优化神经网络的边坡稳定性评价[J].现代电子技术,2019(05):75-78.[2]冯夏庭,王泳嘉,卢世宗.边坡稳定性的神经网络估计[J].工程地质学报,1995(04):54-61.[3]苏俊霖,杨建明,罗辉,等.基于改进BP神经网络的高速公路边坡稳定性分析[J].公路与汽运,2018(01):90-93.[4]何翔,李守巨,刘迎曦.岩土边坡稳定性预报的人工神经网络方法[J].岩土力学,2003(S2):73-76.[5]贺可强,雷建和.边坡稳定性的神经网络预测研究[J].地质与勘探,2001(06):72-75.。

RBF神经网络在边坡稳定性分析中的应用

RBF神经网络在边坡稳定性分析中的应用

RBF神经网络在边坡稳定性分析中的应用建立了露天矿岩质边坡稳定性分析评价的径向基函数(RBF)神经网络模型。

实例检验结果表明,基于RBF神经网络建立的边坡稳定性分析模型是合理的、可靠的。

将该模型应用于白云鄂博东矿边坡的稳定性分析中,取得了有益的结果,为该矿的安全生产提供了决策依据。

标签:露天矿边坡;RBF神经网络;稳定性分析0 前言白云鄂博矿区位于内蒙古自治区中部,是包钢生存和发展的重要原料基地。

该矿床东西长18 km,南北宽2~3 km,面积48 km2。

矿区内铁、稀土及铌的矿化规模较大,根据铁矿石的边界品位划分为主矿、东矿、西矿、东介勒格勒和东部接触带等5个采场。

已探明铁矿石储量约14 亿t,铁含量31 %~35 %,以主、东(约5.7亿t)和西采场(约8.1亿t)为主。

其中东矿经过五十余年的开采,现已进入深部开采。

本文拟采用RBF神经网络对东矿边坡的稳定性进行分析,以便为白云鄂博东矿的安全生产提供决策依据。

1 东矿边坡基本情况为便于对白云鄂博东矿边坡进行稳定性评价,进行了边坡分区。

分区的原则是将工程地质条件、边坡几何形状和边坡倾向基本相同的区段划分为同一区,这样各区边坡可用单一的剖面和相同的计算参数来表征。

边坡分区是在工程地质分区的基础上进行的。

按此原则东矿采场可划分为六个边坡分区,即A、B、C、D、E、F。

在A区和E区的不同地段,由于边坡形状、高度等方面还存有差异,故又分别将其分为两个亚区,即A1、A2和E1、E2亚区。

边坡分区示意图见图1。

本文拟对其中的E1、E2、F区进行边坡稳定性分析,三个分区的基本情况分述如下:(1)E1亚区。

位于采场南帮19~26行间、工程地质分区第Ⅳ区的中部,边坡面产状为360/41.5,高度为389m,坡面走向近似直线。

本区边坡岩体主要为长石板岩,其边坡岩体结构类型为逆坡向层状结构。

(2)E2亚区。

位于采场西南17~21行间、第Ⅳ工程地质分区的偏西部,为运输道出口地段。

人工神经网络边坡稳定预报模型

人工神经网络边坡稳定预报模型
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,
维普资讯

工 程 地 质 计 算 机 应 用
2 0 年 第 1期 06
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
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。
13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 。

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
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 前 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 、Sm a a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

神经网络岩质边坡分析-推荐下载

神经网络岩质边坡分析-推荐下载
由此,建立边坡稳定性智能分析方法的系统模型,将遗传算法和神经网络 相结合,建立起遗传神经网络方法(GNN),作为边坡稳定的分析工具。势必 成为岩土地质问题分析的一种广泛而有效的方法。 (二)人工神经网络方法
人工神经网络(ANN)方法是一种模仿动物脑神经网络某些功能的数值计 算方法。人工神经网络的结构由神经元(Neuron)和神经元间的连接权 (Weight)组成,多数类型的神经网络将神经元以层(Layer)的形式组织在一 起,常见的神经元间的连接权以层间神经元的连接权为主,本文将采用目前应 用最广泛的误差反向传播(BP)神经网络[7]。其结构由输入层、输出层和至少 一个隐含层,以及层间连接权组成,如图 1 所示。
诸多工程实践也表明,采用智能化的方法对边坡的稳定性进行分析是具有 很强工程实用价值的,从本质上来讲,这一方法是一个模式识别问题:对现有 的工程经验(现有模式)进行学习,形成知识库,进而对新的工程问题(新模
对全部高中资料试卷电气设备,在安装过程中以及安装结束后进行高中资料试卷调整试验;通电检查所有设备高中资料电试力卷保相护互装作置用调与试相技互术通关,1系电过,力管根保线据护敷生高设产中技工资术艺料0不高试仅中卷可资配以料置解试技决卷术吊要是顶求指层,机配对组置电在不气进规设行范备继高进电中行保资空护料载高试与中卷带资问负料题荷试2下卷2,高总而中体且资配可料置保试时障卷,各调需类控要管试在路验最习;大题对限到设度位备内。进来在行确管调保路整机敷使组设其高过在中程正资1常料中工试,况卷要下安加与全强过,看度并22工且22作尽22下可22都能22可地护以缩1关正小于常故管工障路作高高;中中对资资于料料继试试电卷卷保破连护坏接进范管行围口整,处核或理对者高定对中值某资,些料审异试核常卷与高弯校中扁对资度图料固纸试定,卷盒编工位写况置复进.杂行保设自护备动层与处防装理腐置,跨高尤接中其地资要线料避弯试免曲卷错半调误径试高标方中高案资等,料,编试要5写、卷求重电保技要气护术设设装交备备置底4高调、动。中试电作管资高气,线料中课并敷3试资件且、设卷料中拒管技试试调绝路术验卷试动敷中方技作设包案术,技含以来术线及避槽系免、统不管启必架动要等方高多案中项;资方对料式整试,套卷为启突解动然决过停高程机中中。语高因文中此电资,气料电课试力件卷高中电中管气资壁设料薄备试、进卷接行保口调护不试装严工置等作调问并试题且技,进术合行,理过要利关求用运电管行力线高保敷中护设资装技料置术试做。卷到线技准缆术确敷指灵设导活原。。则对对:于于在调差分试动线过保盒程护处中装,高置当中高不资中同料资电试料压卷试回技卷路术调交问试叉题技时,术,作是应为指采调发用试电金人机属员一隔,变板需压进要器行在组隔事在开前发处掌生理握内;图部同纸故一资障线料时槽、,内设需,备要强制进电造行回厂外路家部须出电同具源时高高切中中断资资习料料题试试电卷卷源试切,验除线报从缆告而敷与采设相用完关高毕技中,术资要资料进料试行,卷检并主查且要和了保检解护测现装处场置理设。备高中资料试卷布置情况与有关高中资料试卷电气系统接线等情况,然后根据规范与规程规定,制定设备调试高中资料试卷方案。

用神经网络分析露天矿边坡稳定性

用神经网络分析露天矿边坡稳定性
t n lu t t s t ru h te a a y i a d c mp rs n o 9 i sa c s t ef a i i t f p l i g B e r ewo k i h — y a d i sr e , o g n l s n o a io f n t n e , e s l y o p yn P n u a n t r t e a l a h h s 4 h b i a l n n lss o p n p t l p tb l y ay i fo e — i so e sa i t. i
维普资讯 Se isBiblioteka No. 7 re 38 金



总 第 37期 8 2 0 年 第 9期 08
S pe e 2 0 e t mb r 0 8
ME AL MI E T N
用神 经 网 络 分析 露 天矿 边坡 稳 定性
刘丽峰 朱 明 岳 鑫 朱开宇 彭及环
me it t cu a ln , o e ie fr e fit n l n l , r vmer e s y a d wae r su eo h p n p ts p t b l d ae sr t rlp a e c h sv o c ,r i a ge ga i ti d n i n t r e s r n t e o e — i l esa i — u co a e t p o i
tr n t e so e a e v r a d t e emi e h p l a in o e r l ewok i n lzn e o e — i s p tb l y h s o so h l p r e y h r o d tr n .T e a p i t fn u a t r n a ay i g t p n p t l e s ii a c o n h o a t

边坡岩体稳定性的RBF人工神经网络预测模型

边坡岩体稳定性的RBF人工神经网络预测模型

和预测样本 , 建立 了 R F预报 模型 。讨论 了基于 R F人工神经 网络技 术的边坡岩体稳定性分析方 法及有效性 。 B B
研 究 表 明 , R F人 工 神 经 网 络 方 法 预 测 边 坡 岩 体 的稳 定 状 况 是 可 行 的 。 用 B 关 键 词 : R F 人 工神 经 网 络 技 术 ; 合 指标 ; 坡 岩 体 稳定 性 分 析 (B ) 复 边 中 图分 类 号 : U4 7 T 5 文献标识码 : A 文 章 编 号 :0 0— 3 4 20 )4— 6 1 0 10 2 2 (0 8 0 0 0 — 4
d ci n wa e p. Th a tc lef ci e e so h o fRBF — a tf iln urln t r o p e itt e s f t ito ss tu epr cia fe tv n s ft t e r o he y ri c a e a ewo k t r d c h ae y i
o o k so e sd s u s d.Th t ys g e t d t a h t o sf a i l o r d c in o o k so t b l fr c lp swa ic s e e sud u g se h tt e me h d wa e sb ef rp e i t fr c lpe sa i— o
PREDI II G 0D ELS T0 C ’ N M ESTI A TE IABI TY M S’’ LI 0 ’ R0 CK L0 PE S BA S ED
oN RBF —ARTI CI FI AL NEURAL NETW oRK
Q u X u—me,I N e— u I i iJA G D g i

人工神经网络在边坡稳定性预测中的应用

人工神经网络在边坡稳定性预测中的应用

关 键 词 :B P神经 网络 ; 边坡稳 . T 847
文 献标 识 码 : A
d i 0 3 6 / i n 10 - 5 . 01 0 .0 o: . 9 9j s . 0 5 8 4 2 1. 40 9 1 .s 7
AP I PL CAT1 0N OF ARTI CI FI AL NEURAL NET 0RK N W I
K EY o R DS: BP n u a t r W e r lnewo k;so tb l y;M ATLAB lpe sa ii t
边坡 的稳 定性 是 目前岩 土工 程界研 究 的重大课 题 , 矿 山工 程 、 利工 程 以及建 筑工程 等诸 多领 域 在 水 都 涉及 到边坡 的稳 定性 问题 。边 坡工程 是一 个动 态
whih i d c ts t tt e u iia in o e r ln t r n t e so e sa lt r d ci n i e sbl. c n ia e ha h tl t fBP n u a ewo k i h l p tbi y p e ito S fa i e . z o i
c nomst terait eu sn P n u a ew r n h e urme t o n ie rn rjc a est f d, o fr o h el i rs h u igB e rln t ok a dterq i sc e ns f gn eigp oe tcn b ai e e s i
开放的、 复杂 的 、 非线 性 的系 统 问题 , 响边 坡 稳 定 影
经 网络 的知识应 用 到 边坡 稳 定 性 的 预测 中 , 合 人 结
工 神经 网络在 结构上 的分 布式存 储 和并行 处理 的特
  1. 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
  2. 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
  3. 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。

不连续面倾角的影响; !> 反映边坡角与不连续面倾角 的相互关系。 "&"
图! #$%& " 边坡岩体结构及其失稳方式 ’()*+$,- .(+/((- 0*$)12( 3,4( ,0 2,56 7),8( *-4 2,56 3*77 7+215+12(
坡高系数! [""] 大量的边坡工程统计表明 , 随坡高增大, 边坡
第 "% 卷 "$$! 年
第"期 %月






04=6BFB G@HI65E @J ;B@KBL46=L5E 267=6BBI=67
D@E# "% 3@# " M5I# , "$$!
边坡岩体稳定性的人工神经网络预测模型
!"#$%&’%() *+$#,- ’+ #-’%*.’# -’./%,%’0 +1 "+&2 -,+3# /.-#$ +( ."’%1%&%., (#4"., (#’5+&: 9,# 7#+,-&$07 )3 $&0*-:$.$*4 )3 ;)+< 0.)=#0 -&6 *,# 7-$& 3-+*);0 -33#+*$&’ *,# 0*-:$.$*4 )3 ;)+< 0.)=#0 -;# +)7=;#,#&0$>#.4 -&-.4?#6! 9,# +)7=)1&6 $&6$+#0 -;# =;)=)0#6 3); #>-.1-*$&’ *,# 0*-:$.$*4 )3 ;)+< 0.)=#! "-0#6 )& - .-;’# -7)1&* )3 ;)+< 0.)=# #&’$&##;$&’ +-0#0 ;#.-*#6 *) ,46;)@ #.#+*;$+ =)A#; =;)%#+*0, =;-+*$+-. #33#+*$>#&#00 )3 *,# *,#);4 )3 *,# -;*$3$+$-. &#1;-. &#*A);< *) =;#6$+* *,# 0-3#*4 )3 ;)+< 0.)=#0 -;# 6$0+100#6! 7#0 5+"$-: -&-.40$0 )3 ;)+< 0.)=# 0*-:$.$*4; 3-$.1;# 7)6# )3 ;)+< 0.)=#; 7#*,)6 )3 -;*$3$+$-. &#1;-. &#*A);<; +)7=)0$*# $&6#B *) #0*$7-*# 0*-:$.$*4 )3 ;)+< 0.)=#
0123 045678956! , :-3; <=8>=67" , <123 ?=5@8AB!
(! ! "#$%$&’ (#)*#+,&$+-. /&0*$*1*#, "#$%$&’ !$$$%&, 2,$&-; " ! /&0*$*1*# )3 (#).)’4,2,$&#0# 5+-6#74 )3 8+$#&+#0,"#$%$&’ !$$$"’, 2,$&-)
"
边坡岩体变形失稳模式
目前关于边坡破坏模式的划分, 国内外学者做了
[! C ,] , 研究表明, 在边坡的各种破坏方式中, 大量工作
边坡岩体结构及岩体质量是控制边坡岩体失稳的主导 因素, 根据边坡面的几何形态、 结构面产状、 性质、 组合 等特征可以初步判断出边坡的可能破坏形式, 图!综 合了各类边坡岩体结构及其可能的破坏方式。
"$$$ . $% . $’ ! 收稿日期:
"9!





报 表! 影响边坡岩体稳定性因素统计
=CC" 年
对水电、 冶金、 公路等各类工程岩质边坡岩体稳定
[!] (表 ") , 边坡岩体稳定性状况是多种因 性统计表明 素非线性耦合作用的结果, 其中岩石强度特性、 岩体结
:*.)( " 序号 " = > ? 9 @ A ! B "C
坚硬程度、 结构面发育特征及地下水效应等岩体的基 本地质属性, 是综合反映边坡岩体质量优劣、 地下水作 用效应和边坡岩体稳定性的综合指标。根据 F$(-$*/7G
[B] , 进行如下 6$ 提出的岩体基本质量评价系统 ’E’ 值 修正得出边坡岩体质量系数 D’E’ 为
’E’ "CC 此外, 虽然地下水或地表水对边坡岩体稳定性具 D’E’ H 有重要的影响, 但是对于各种工程地质条件和具体边 坡工程的影响是不同的, 本文则将地下水对边坡岩体 稳定性的影响作为岩体质量系数的修正因子。 "&# 控制性结构面方位系数 ! 在边坡岩体中其他工程地质条件相近时, 结构面的
岩体的应力状态便逐渐恶化, 增加切割不利结构面的 机率, 从而恶化边坡岩体的稳定状态。本文采用坡高 的修正系数表征边坡体规模对边坡岩体稳定性的影 响, 坡高修正系数的经验计算方法如下: 式中
&" ! " C # 9A $ >> # ! % (3) 。 % 为边坡坡高
根据上述各因素对边坡岩体稳定性的综合影响, 将其归纳为 9 个复合指标, 即边坡岩体质量系数、 结构 面方位、 结构面力学特性、 坡高及施工方式等, 这些指 标的工程、 物理意义如下。 万方数据
:;( 3*$- 0*5+,27 *00(5+$-% +;( 7+*.$)$+< ,0 2,56 7),8( 影响因素 工程类型 铁路 公路 建筑物 水电 冶金 ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! !
构、 岩体风化作用和坡高是影响边坡岩体稳定性的基 本因素, 而水的作用、 施工方式等构成了边坡岩体稳定 性的诱发因素。
岩石强度 风化作用 岩体结构及完整性 构造带或岩体结构特性 结构面产状及连续性 坡高 地下水 地表水 天然斜坡情况 区域地质及地理条件
!
!
!
"&!
边坡岩体质量系数 D’E’ 边坡岩体质量综合反映了岩体结构完整性、 岩石
状态为输出变量, 通过对大量工程实例进行学习训练, 首先建立边坡各种地质和工程因素与安全系数及稳定 状态之间的非线性学习模型; 然后用这个模型对部分 已知工程进行推广预测, 对训练网络进行测试, 评价学 习模型的网络性能的泛化能力; 最后运用这个泛化能 力强的网络模型对三峡永久船闸边坡工程典型坡段的 边坡安全系数及稳定状态进行预测。 #(% 学习训练样本 笔者在收集和综合分析计算国内大量的各种岩体 结构类型和稳定状态的水电边坡工程实例基础上, 筛 选了 >! 个工程实例作为学习训练样本 (见表 >) , 其中
"(#
结构面类型修正系数# 在边坡岩体稳定性分析中, 断层、 泥化夹层、 层理
法在处理边坡岩体稳定性分析方面具有很好的应用基 础。
[!( : !>] 本文采用 GH 神经网络模型 , 以前述的 ; 个 复合指标为输入变量, 以边坡岩体稳定性系数和稳定
及节理等各类结构面对边坡岩体稳定性的工程意义及 其影响权值一般情况下是不同的, 因此在计算分析中 的取值应有所区别。本文建议以下取值原则: 断层、 夹 泥层, 层面 # A " ( = : " ( B; 节理面# A " ( ?。 # A ! ( "; " ( $ 施工方法影响系数 ) C 一般地, 边坡开挖的施工方式不同, 对边坡岩体的 应力分布、 岩体结构及完整性等的影响程度是不同的, 从而对边坡岩体工程稳定性及工程岩体质量的影响程 度也不同。因此, 在边坡岩体稳定性分析过程中应考 虑不同的开挖施工方法的影响, 有关施工方法影响系 数确定见表 9。
组合特征及其与边坡面的组合关系是失稳变形的重要 因素。其意义主要表现为结构面或两组结构面交线的 倾向、 倾角与边坡面倾向和倾角的相互关系。根据 ’,G
["C] (见表 3*-* 提出的 DE’ 分类系统中有关指标的修正 , 综合确定控制性结构面方位系数 ! 值, 即 =)
式中
!" != !> @C 反映边坡与不连续面走向的关系; !" != 反映 ! "
陈昌彦! , 王思敬" , 沈小克!
(! # 北京市勘察设计研究院 地基检测所, 北京 北京 !$$$%&; " # 中国科学院地质研究所, !$$$"’)

要: 在综合分析边坡岩体变形失稳破坏模式及其影响因素的基础上, 提出了表征边坡岩体稳定性分析的复合指标。以大量水
电边坡工程的稳定状况为学习训练样本及预测样本, 讨论了基于人工神经网络技术的边坡岩体稳定性分析方法及其有效性。研究 表明, 用人工神经网络方法预测边坡岩体的稳定状况是可行的。 关键词: 边坡岩体稳定性分析; 边坡岩体变形失稳模式; 人工神经网络技术; 复合指标 中图分类号: () *+, 文献标识码: 文章编号: ("$$!) !$$$ . *+*& $" . $!+, . $+ 作者简介: 陈昌彦, 男, 现为北京市勘察设计研究院地基检测所高级 !’/, 年生, !’’, 年获中国科学院地质研究所工程地质学博士学位, 工程师。主要从事岩土体工程地质、 岩土工程、 地基检测、 计算机在岩土体工程中的应用、 地质灾害防治及构造地质等的研究工作。
相关文档
最新文档