边坡稳定因素的BP网络分析

边坡工程的发展与人类的生活密不可分。边坡失稳及其破坏给人类的生产、生活带来了极大的危害与损失。通过收集的边坡样本实例,将这些实例数据进行BP网络的训练,使得该模型具有预测边坡稳定性的能力,并希望所得结果能对以后的实际工程起到一定的参考价值。     

基于自组织映射神经网络的边坡样本分析方法

推导了自组织映射神经网络过程的简化权值求解公式,并采用自组织竞争神经网络对收集到的边坡样本进行归类,降低了学习样本的噪声。BP神经网络采用归类后的样本进行学习,学习效率有了提高,网络的推广及泛化能力也得到加强。试验证明,优化后的BP神经网络在安全系数的拟合以及样本的误差分布方面均有明显的改善。同时,编制了可以通用的边坡稳定性评价程序,通过将该程序应用于边坡实例的稳定性评价分析,得到的边坡状态与实际相符,准确度较高,用于计算边坡的安全系数误差较小。     

神经网络改进算法在边坡稳定性预测中的应用

基于前人的研究成果,对神经网络理论中的BP网络算法进行改进,并将其运用于岩质边坡稳定性和失稳方式的判断,建立BP神经网络判断模型,结果表明改进的BP网络模型预测与实际情况接近,具有一定的运用价值.     

基于灰色关联分析的神经网络方法在边坡稳定分析中的应用

采用灰色关联度对影响边坡稳定性的各因素进行分析,将得到的主要因素作为BP网络的输人参数对边坡稳定性进行预测,并用L-M方法对BP网络进行改进,通过与传统的分析方法比较,证明该方法能够满足工程要求,方便可行.     

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。     

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。     

基于神经网络方法的黄土边坡稳定性评价

考虑影响边坡稳定性的因素特征、评价条件及神经网络高度的非线性映射功能,文章采用BP神经网络作为边坡稳定性的评价方法进行研究,通过对实例黄土边坡稳定性的评价,证明该方法具有一定的实用性,能够满足一般工程的要求。     

基于BP神经网络预测露天矿边坡破坏模式

通过对露天矿矿区地质环境、构造、地层、岩性与水文地质条件进行分析,结合大量的岩质边坡破坏模式分析实例,应用BP神经网络对某露天矿边坡潜在的破坏模式进行了预测,取得了比较满意的结果。     

改进的边坡岩体稳定性预测模型研究

由于边坡岩体的结构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等特点,其稳定性受地质因素和工程因素等的综合影响,这些因素大部分具有随机性、模糊性、可变性等不确定性特点,因此,边坡工程是不确定的、非线性的、动态开放性的复杂大系统,传统分析方法往往难以准确地描述这种复杂的非线性特征,因而对大型复杂边坡的稳定性进行准确预测预报尚存在一定的困难。提出了基于模拟退火交替迭代算法神经网络的边坡安全系数预测方法,在相同的初始条件下,用该方法和经典网络进行了比较,得出前者的优越性和有效性。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,采用了表征边坡岩体稳定性分析的复合指标为预测模型的影响因子。并利用该方法对收集到的水电工程边坡实例进行学习,对未学习过的边坡实例进行推广预测,取得了较好的效果,其预测精度明显优于经典算法BP神经网络。由此说明所提出的预测模型能够快速、准确地获取不同方案下的边坡安全系数,为选择经济合理的边坡设计方案提供了新的思路。     

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。     

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。     

边坡岩体力学参数反分析遗传-神经网络算法

基于均匀设计、有限元法、人工神经网络和遗传算法建立了新的边坡岩体力学参数反分析方法.按照均匀设计要求,确定数值模拟方案;用有限元程序计算出相应的神经网络训练样本,建立边坡变形的神经网络预测模型,再利用遗传算法进行反演分析,其中反演过程适应度的计算则采用已训练好的神经网络预测来替代有限元数值仿真,这样大大缩短了计算时间.通过算例分析,反演结果比较理想,表明该反分析方法是可行性和精确的.     

边坡稳定与加固的有限元分析

通过有限元强度折减法分析了边坡开挖和锚索对边坡的加固作用,采用ANSYS模拟了边坡开挖和加固的方法,并结合工程实例,探讨了预应力的大小对安全系数的影响,以促进边坡加固工程的研究和应用。     

论高填方区深基坑边坡支护设计与施工

结合工程实例,对土方开挖及边坡支护施工相关问题进行了论述,为保证土方开挖及边坡支护施工的安全性,对边坡支护设计方案选用、土方开挖及边坡支护施工方案的编制相关内容进行了探讨,以期对今后类似施工具有一定帮助。     

渠道混凝土衬砌工程技术应用

结合工程实例,论述了PMCQ650型坡面衬砌机应用于南水北调明渠工程中应注意解决的问题,实践证明,采用PMCQ650型坡面衬砌机实现渠道混凝土衬砌自动化,混凝土密实性好且均匀,混凝土外观质量好,施工速度快,经济效益好。     

探讨线形优化下的维护费

介绍了公路设计优化模型,从基本建设费、维护费等方面分析了公路边坡、土类对费用的影响,以挖方断面为例对最优坡度进行了计算,国内外大量实例显示:土类及边坡对整个公路线形优化有着非常重要的影响.     

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。     

灰关联分析法在岩质边坡稳定性评价中的应用

在探讨应用岩体质量、结构面特征、边坡几何条件等方面的综合指标来反映岩质边坡稳定性特征的基础上，通过实例分析和对比验证了灰关联分析法评价岩质边坡稳定性的有效性。结果表明，灰关联分析法能作为工程地质类比分析的量化手段，应用5个综合指标来反映岩质边坡的稳定性状况和应用灰关联分析法进行稳定性评价是合理可行的。     

基于遗传算法改进的BP神经网络模型在GPS高程拟合中的应用研究

目前,GPS被广泛应用于各工程领域,但GPS高程因与国家高程基准不同而被弃之不用。为充分挖掘GPS高程数据,本文在阐述遗传算法(Genetic Algorithm,GA)和BP神经网络(Back Propagation Network)基本理论的基础上,结合两者的优缺点,提出了基于遗传算法改进的BP神经网络模型(IGA_BP),并将该模型应用到实际GPS高程拟合算例中。结果表明,IGA_BP模型的GPS高程拟合精度明显优于传统的二次多项式和BP神经网络拟合精度,且收敛速度快,泛化能力较强,可达传统四等水准测量精度。