边坡稳定性评价方法研究现状

通过对国内外现有边坡稳定性评价办法的整理,从经典的极限平衡法、边坡稳定性数值解法以及基于优化算法边坡稳定性评价三个角度出发,介绍了条分法、有限元法、神经网络法等边坡稳定性的评价办法,进一步介绍了近年来的改进边坡稳定性评价方法,为土木工程以及水利工程的边坡设计和加固提供参考。     

基于单纯形-有限随机追踪法的边坡稳定性分析

有限随机追踪法在边坡稳定性分析中的全局搜索能力,为边坡稳定性分析提供了新的思想。本文主要将单纯形法的局部搜索能力与有限随机追踪法的全局搜索能力有机结合起来,形成单纯形-有限随机追踪法优化算法,并利用改进Bishop算法对边坡进行稳定性分析,最终得到边坡稳定性系数的全局最优解。依据上述思想编制了边坡稳定性分析程序,并对边坡工程进行稳定性分析与评价。研究结果表明:根据单纯形-有限随机追踪法优化算法计算得到的边坡稳定性系数是全局最优解,具有较高的精度,单纯形-有限随机追踪法优化算法具有较强的全局搜索能力,分析结果可靠。     

基于几何语义遗传规划的边坡稳定性分析方法

遗传规划在工程领域已进行广泛的应用研究,而几何语义遗传规划(GSGP)较常规遗传规划算法具有更高的收敛性和计算效率。文章将几何语义遗传规划算法引入边坡稳定性分析中,通过不同的适应度函数实现遗传规划算法对样本集的分类和回归分析,建立出基于几何语义的边坡稳定性分析模型。将GSGP算法在实际工程中进行应用研究,研究结果显示该方法可以客观地分析边坡的稳定性情况,预测的边坡稳定状态和安全系数具有较高的准确性和精度,其结果可用以边坡安全设计中的参考。     

人工神经网络在边坡工程中的应用研究

分析人工神经网络技术应用于解决边坡工程问题的可行性,认为它能模拟边坡稳定性和各参数之间的非线性关系,并以某实例采用BP算法进行样本训练和样本预测,探讨具体的边坡稳定性分析方法。     

边坡稳定分析的神经网络方法

论述了BP神经网络的基本原理和算法,研究了MATLAB下的BP神经网络工具箱在边坡稳定性分析中的应用。采用影响边坡稳定性的复合指标,建立了BP预报模型。用收集到的边坡数据样本训练和测试BP神经网络模型,结果表明该BP神经网络预测边坡稳定性是可行的、有效的。     

基于Floyd算法的边坡极限平衡有限元分析

基于图论中的最短路问题,引入Floyd算法实现危险滑弧的搜索以及安全系数Fs的求解,并讨论边坡安全系数Fs在不同材料参数条件下的变化,即引入Floyd算法解决边坡稳定性问题及参数敏感性分析。在算法实施方面,文章以海南华润石梅湾滑坡治理工程为例,利用ABAQUS有限元分析软件建立模型并输入参数,后导入MATLAB科学计算软件进行Floyd算法边坡稳定性分析,与强度折减法进行对比。结果表明,Floyd边坡稳定性算法可靠性更高,可应用于复杂岩土体边坡。     

基于ν-SVR算法的边坡稳定性预测

提出基于一种改进支持向量机算法(ν-SVR)的边坡稳定性预测方法,直接利用边坡的特征参数快速预测边坡稳定性。为解决算法中模型选择困难的问题,用留一法设计预测模型,用网格搜索法搜索最优参数。留一法可以避免传统方法中根据经验确定预测模型的缺点,较为客观地获取合适的预测模型。网格搜索法可以保证搜索到合适的参数。计算结果显示,联合运用这两种方法可以获得合适的预测模型。利用该预测模型对82个圆弧破坏边坡实例中的71个实例进行学习,对另外11个实例进行推广预测,取得了较好的效果,其预测精度明显优于一种改进BP神经网络算法和常规SVR算法,与GA-BP神经网络算法相近。在此基础上,提出基于ν-SVR算法的边坡设计方法,能够快速、准确的获取不同方案下的边坡安全系数,评价其稳定性,为选择经济合理的边坡设计方案提供决策依据。     

基于 PSO-PP 的边坡稳定性评价

边坡的稳定性评价是一个复杂的不确定系统问题。结合投影寻踪算法、粒子群优化算法和逻辑斯谛曲线函数,建立了边坡稳定性评价的粒子群优化投影寻踪模型 (PSO-PP) 。该模型一方面利用粒子群算法 (PSO) 优化投影指标函数及逻辑斯谛曲线函数参数,确保了模型参数的准确性;另一方面利用逻辑斯谛曲线函数建立投影值与经验等级之间的非线性关系。模型的测试结果显示了良好的精度。将该模型应用到雅砻江锦屏一级水电站左岸边坡的稳定性分析中,实例分析结果与实际状态吻合较好,表明该模型在边坡稳定性评价中的可行性和有效性。     

基于n -SVR算法的边坡稳定性预测

提出基于一种改进支持向量机算法(n -SVR)的边坡稳定性预测方法，直接利用边坡的特征参数快速预测边坡稳定性。为解决算法中模型选择困难的问题，用留一法设计预测模型，用网格搜索法搜索最优参数。留一法可以避免传统方法中根据经验确定预测模型的缺点，较为客观地获取合适的预测模型。网格搜索法可以保证搜索到合适的参数。计算结果显示，联合运用这两种方法可以获得合适的预测模型。利用该预测模型对82个圆弧破坏边坡实例中的71个实例进行学习，对另外11个实例进行推广预测，取得了较好的效果，其预测精度明显优于一种改进BP神经网络算法和常规SVR算法，与GA-BP神经网络算法相近。在此基础上，提出基于n -SVR算法的边坡设计方法，能够快速、准确的获取不同方案下的边坡安全系数，评价其稳定性，为选择经济合理的边坡设计方案提供决策依据。     

基于IEA-PNN的边坡岩体稳定性预测研究

概率神经网络是一种训练速度快、结构简洁明了、应用广泛的人工神经网络，该方法采用贝叶斯分类决策理论建立系统的数学模型，以高斯函数作为激励函数，具有非线性处理和抗干扰能力强等特点。阐述了概率神经网络的基本结构及其训练算法，提出了基于概率神经网络的边坡岩体稳定性预测方法，并采用一种新的有效随机全局优化技术——免疫进化算法对高斯型函数的标准偏差进行了参数优化。介绍了免疫进化算法的设计思想和特点，并成功地实现了此模型在边坡岩体稳定性预测中的应用，实例预测结果与边坡稳定性实际状态完全一致。理论分析和实例结果验证了基于免疫进化算法的边坡岩体稳定性预测方法切实可行，且具有需要学习样本少、预测精度高、非线性动态数据处理能力强等优点，为边坡稳定性预测提供了一条新的途径。