一种新的边坡稳定性预测方法的尝试

针对模糊理论和神经网络各自在边坡稳定性评价中存在的不足,提出了基于自适应神经元模糊推理系统的边坡稳定性评价方法,运用MATLAB建立了圆弧滑动边坡稳定性分析的ANFIS预测模型。结果表明,该模型预测的结果与实际边坡稳定性系数（工程设计值）十分接近。     

地下水影响下裂隙岩质边坡变形的Fuzzy测度分析

根据裂隙岩质边坡工程实际,采用 Fuzzy 数学理论中的 Fuzzy 测度理论,将工程开挖引起裂隙岩质边坡移动变形这一客观现象视为一模糊事件,依此建立了在地下水影响下岩体移动变形预测分析的 Fuzzy 测度模型。利用该模型可对边坡岩体移动变形参数进行反分析,并可对边坡开挖过程中引起的岩体移动变形进行定量计算,进而对地下水影响下岩质边坡总体稳定性和稳定程度进行预测。对已有的矿山边坡岩体移动变形及其稳定性进行了具体的分析预测,结果符合工程实际。     

某岩质边坡地下水位预测模型对比分析

地下水是影响边坡的稳定性重要因素,本文以某岩质边坡地下水监测为基础,利用时间序列模型与神经网络模型分别对该边坡地下水位进行预测分析,从而对岩质边坡安全监控模型的研究,总结并建立了岩质边坡监控预测模型,可以为岩质边坡监测-预警-评估体系提供另一种思路和解决方法。     

锦屏一级水电站左岸边坡稳定综合预报研究

 在总结国内外有关滑(边)坡预测预报成果的基础上,对其适用性及使用条件进行深入研究。针对锦屏一级水电站左岸高边坡的边坡类型、边坡特征、变形特点和变形机制,在监测成果的基础上,对其进行综合预报,空间上判断左岸拱肩边坡由断层F5,f42–9、深部裂缝SL44–1及煌斑岩脉X互相组合,形成可能边坡失稳块体的边界条件、楔型体滑移失稳模式;时间上采用统计模型及非线性模型多种方法联合预报,根据边坡变形时序曲线的形态及变形速率指出：边坡目前处在缓慢蠕动至匀速变形阶段,变形速率小于0.05 mm/d。设计出适合锦屏一级水电站边坡的综合预测预报模型,初步给定边坡4项预警临界值,为边坡开挖工作的顺利开展提供科学的依据。     

基于BP人工神经网络的公路岩质边坡稳定坡角预测

将大量已建公路边坡工程的数据作为训练样本,建立了BP人工神经网络模型,并按照RMR岩体质量分类系统将收集到的边坡地质资料进行分类,获取参数值后输入已建立好的BP人工神经网络模型,综合比较了稳定边坡角预测值与已建公路的边坡角实际值,结果表明,采用BP神经网络方法预测公路岩质边坡稳定坡角是可行的。     

邻近建筑物边坡稳定性预测研究

以青岛市黄岛区淮河西路道路工程为依托,通过理论分析、现场试验等方法,综合分析了造成边坡失稳现象的主要因素,提出了适用于邻近建筑物边坡稳定性预测的应用方法。通过试验结果与实际耦合对比,验证利用BP神经网络来预测边坡稳定性的可行性。针对边坡稳定性预测过程中BP神经网络计算速度低等问题,对其进行三方面的综合改进以降低模型在计算过程中产生的误差,有效提高模型预测结果的准确可靠性。     

基于BP神经网络和多元回归的边坡稳定性预测研究

针对京新高速张家口路段的5个工程边坡进行了基于BP神经网络和多元回归的稳定性预测模型比较研究。结合45个不同土质参数的公路边坡实例,将影响路基边坡稳定性的岩土体内摩擦角、内聚力、重度、边坡角、边坡高度以及孔隙水压力6个主要因素作为评价因子。采用BP神经网络和多元回归两种预测方法对边坡的安全系数进行预测分析。通过对比两种模型的预测值和实际值以及方差和均方根误差,结果表明,两种模型都有较高的预测准确度,相比之下BP神经网络较之多元回归具有更精确的预测结果,更适用于边坡稳定性的预测分析。     

边坡位移多层递阶回归预测模型研究

根据边坡安全监测数据,分析边坡位移影响因子及影响模式,对边坡地表位移进行回归分析。结合回归模型和多层递阶模型的优点,对回归模型中回归参数固定的缺点进行改进,建立了多层递阶回归预测模型,模型具有较高预测精度,适合于中长期位移预测,对边坡稳定性预测具有参考意义。     

基于GM-RBF组合模型的高路堑边坡稳定性预测研究

边坡的稳定性预测是道路边坡安全性评判的关键,且及时、准确的预测可以有效地预防边坡破坏灾害的发生.采用GM(1,N)模型与RBF神经网络模型相结合的方式,建立一种基于GM-RBF组合的高路堑边坡变形预测分析模型.结合高速公路高路堑边坡工程实例,通过对比GM(1,5)模型、RBF神经网络模型和GM-RBF组合模型的边坡安全系数预测结果来分析GM-RBF组合模型的可行性.结果 表明,GM-RBF组合模型比单一模型更能抵抗预测数据序列中存在的波动性;较于GM(1,5)模型和RBF神经网络模型,GM-RBF组合模型预测的边坡安全系数平均绝对误差分别降低了64.6％和45.8％,边坡安全系数均方根误差分别降低了66.7％和45.2％,边坡安全系数相对均方误差也分别降低了58.3％和38.7％;采用GM-RBF组合模型对边坡稳定性进行预测能够保持良好的精度.     

边坡可靠性分析的蚁群小波神经网络研究

边坡系统本身的各种参量是不确定的和随机的,在其演化过程中,表现出复杂的非线性行为。故针对边坡工程可靠性分析中存在的问题,根据能够全局优化的蚁群算法原理,提出一种适用于估计岩土体边坡可靠性的蚁群小波神经网络,构造了边坡可靠性指标预测的蚁群小波神经网络模型。预测结果表明,该模型用于边坡可靠性分析是可行的,对保证边坡安全具有借鉴意义。     

边坡变形曲线的正态特性及模糊优选法定权研究

岩土体蠕变曲线是描述边坡变形的重要方式,其位移–时间曲线三阶段过程被视为是滑坡滑动时间预报的基本标准,据此提出了许多滑坡预报方法。研究发现它与正态分布曲线非常相似,基于此,首次提出了用修复的正态分布曲线拟合蠕变曲线的方法和模型。同时考虑岩土工程的随机性和模糊性,应用模糊优选理论对有关数学模型解算中权的确定进行了研究,并给出了相应的计算权重模型。由于模型是对蠕变曲线所有阶段进行拟合,因此有望实现滑坡的全程预测预报。实际计算结果表明,所提出的方法具有一定的实用性。     

边坡非线性位移预测的动力系统自记忆模型

边坡位移的准确预测对于边坡稳定性评价、边坡安全状态的预警以及滑坡灾害的控制具有重要意义。将"动力系统自记忆原理"引入到边坡位移时间序列预测研究。首先将量测得到的边坡位移时序数据视为描写边坡位移非线性动力学模型的一个特解,采用双向差分原理反导出边坡位移非线性常微分方程。以此作为微分动力核,运用自记忆原理建立了边坡位移预测的自记忆模型。将该方法用于三峡永久船闸边坡和卧龙寺边坡变形预测,研究结果表明:自记忆模型对于边坡位移预测具有较高的预测精度和较强的预测多个时序步位移的能力,从而为边坡位移预测提供了一条新途径。     

边坡开挖期实测位移的分解与合成预测

边坡受开挖影响，原有平衡状态被打破，其状态及安全性的掌握十分重要，变形的监测分析在其中起着重要作用。而分期开挖使变形在开挖和非开挖阶段呈现出明显不同的规律，为预先知道分期开挖时边坡变形大小，在考虑变形组成成分的前提下，提出了利用原始监测值，采用数学监测模型将实测变形中的蠕变变形和开挖瞬时变形加以分离的方法，结合开挖因素建立瞬时变形和开挖的关系模型，依照蠕变规律建立蠕变发展模型，可以根据需要对后期开挖变形大小加以预测。给出了具体实施的步骤，并以实例对可行性予以证明，为分期开挖变形预测提供了实用方案。     

位移时序预测的APSO-WLSSVM模型及应用研究

引入改进的粒子群算法对小波核函数最小二乘支持向量机进行优化,提出了位移时间序列预测的改进粒子群优化小波最小二乘支持向量机预测模型(APSO-WLSSVM)。该模型具有小波变换的良好时、频域分辨能力和支持向量机的非线性学习能力;同时利用粒子群算法优化小波最小二乘支持向量机的参数,避免了人为选择参数的盲目性,从而提高了模型的预测精度。为证明该模型的优越性,将该模型与传统的高斯核函数支持向量机模型的预测结果作了对比,结果表明该模型较传统方法预测精度有了明显提高。最后将该模型用于锦屏一级水电站左岸边坡和导流洞进行变形预测,预测结果表明该方法科学可靠,在岩土体位移时序预测中具有良好的实际应用价值。     

边坡位移预测的RBF神经网络方法

利用边坡实测位移序列来预测边坡未来时间的位移,可以有效地判断边坡的稳定性。由于神经网络可以通过对样本的反复学习来反映边坡复杂的非线性演化关系,其预测效果要优于传统的预测方法。RBF神经网络作为一种性能良好的前馈网络,具有更好的逼近能力和全局最优特性。以边坡位移时间序列为基础,采用RBF神经网络建立边坡位移预测模型,通过最近邻聚类学习算法实现边坡位移预测,具有结构简单、学习速度快、预测精度高的特点,网络的外推能力也较强。通过2个工程实例说明边坡位移预测的RBF神经网络方法的有效性。     

滑坡速度倒数法预测模型加速开始点识别及临滑时间预测研究

对矿山或自然土质和岩质边坡而言,大多数滑坡预报都是基于边坡变形三阶段蠕变理论,并根据临滑前加速变形阶段即开始加速点(onset of acceleration,OOA)之后的位移进行滑坡时间预测研究。在分析S-SAR型边坡雷达连续监测的位移后,发现以OOA作为速度倒数法(inverse velocity method,INV)分析的开始点(starting point,SP),所预测的滑坡时间具有一定滞后性。基于变形速度随机变量在斜坡处于匀速变形阶段时服从正态分布特征,提出一种应用正态分布置信区间来动态识别SP位置的方法。通过将S-t坐标系统一量纲后转换成T-t坐标系,建立一种T-lgt的滑坡时间预测模型,此模型应用SP位置后的位移数据可以效提高滑坡预测时间准确性。     

一种岩体工程黏性流动变形预测的新方法

 为了对岩体工程的黏性流动变形进行预测,依据弹性问题位移分量的古萨(Goursat)表达式和弹–黏弹性比拟原理推导相对位移矢量增量公式,并建立变形预报模型,给出变形预报的方法步骤。该方法不是直接求出真实的时间、介质物性参数以及边界条件的值,而是求出一组组合值,通过相对位移矢量增量公式进行预测。无需复杂的应力边界和位移边界条件,能够考虑岩体介质的本构特征,实现长期的两维变形预报。然后将其应用到具有黏弹性解析解的边坡算例中,结果表明：短期预报的精度较高,误差小于10%,长期预报时误差约为23%。最后,结合边坡开挖讨论这一方法的工程适用性,为岩体工程黏性流动的长期两维变形预报提供理论基础和实用方法。     

协同滑坡预测预报模型的改进及其应用

由于原始协同模型中将第一个数据点作为已知条件缺乏足够的论证,可能导致预测预报精度较低,故对原始协同模型进行了改进,推导了改进的协同模型位移预测值和滑坡发生时间预报值的计算公式;另外,根据原始协同模型中以速度最大值作为滑坡时间预报判据缺乏合理性,以加速度最大值作为预报判据更加符合滑坡力学机制的结论,推导了协同模型加速度最大值预报判据预报值的计算公式。基于推导的公式,编写了Matlab程序进行计算,一些滑坡实例的协同模型预测预报结果表明：①与原始协同模型的预测预报结果相比,改进模型的位移预测精度更高、预报的滑坡发生时间更早,且更接近于滑坡实际发生时间;②对于速度和加速度最大值两种不同判据的滑坡时间预报结果,加速度最大值判据的预报时间早于速度最大值判据的预报时间,且其预报准确度较高;③改进的模型加速度最大值判据的预报时间较准确,且稍早于滑坡实际发生时间,故能起到提前预报的作用。因此,改进协同模型优于原始模型,加速度最大值判据优于速度最大值判据,用改进模型加速度最大值判据进行预报是可行的,且预报效果较好。     

灰色时效模型及在基坑锚拉墙位移预测中的应用

针对岩土工程的灰色理论，单纯从可测位移建立可预测的模型，未考虑工程荷载影响．在分析岩土流变模型的基础上，建立了反映岩土工程荷载与位移的时效关系的灰色流变模型GRM（m，n），并提出了采用最小二乘辨识模型的方法．将该模型辨识应用于辨识基坑锚拉墙中锚座位移随荷载变化时效关系并用于预测后期锚座位移，取得理想效果，验证了方法的可行性．     

残差修正的GM(1,1)模型在基坑安全预报中的应用

论述了安全预报的方法、灰色系统、灰色预测模型的建立和位移预报以及运用Matlab使上述安全预报理论在计算机上得以实现。对安全预报整个过程进行了详细的研究,最后通过实际工程例子对本论文研究的理论进行了具体的应用得到如下结论：GM（1,1）模型结合GM（1,1）尾数残差模型运用于基坑近期水平位移预报是可行,并且能达到安全预报的精度要求。