共查询到20条相似文献,搜索用时 156 毫秒
1.
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。 相似文献
2.
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。 相似文献
3.
在阐述了层状岩质边坡的工程特性和控稳因素后,揭示了层状岩质边坡内地下水的分布特征。针对包气带裂隙水对边坡稳定性的重要影响,提出了将其概化为经水力折减后的面力的模拟方法,并将包气带水力折减系数作为反演参数,采用三维非线性有限元法和可变容差优化方法,建立了基于潜在滑裂面剪切位移实测值的边坡稳定性预测预报模型,该模型在江阴大桥等工程实践中取得了满意的效果。 相似文献
4.
分析岩质边坡地震反应及动力稳定性,应首先进行边坡地震稳定性的工程地质分析与区域预测分析,在此基础上选择岩质边坡动力稳定性的多种分析方法进行综合分析。结合岩质高边坡工程实例,总结了岩质边坡地震反应及动力稳定性分析的研究成果,给出了一些对工程实际有益的新结论。 相似文献
5.
针对高寒、高海拔、高地震烈度"三高"地区岩质边坡稳定性影响因素的特殊性和随机性,提出了基于正态云模型的"三高"地区岩质边坡稳定性综合评价模型。综合考虑工程地质特征、地形地貌、工程环境等要素,选取岩土风化程度、地震烈度、抗冻系数和植被覆盖率等11个影响该类特殊地区岩质边坡稳定性的评价指标,运用正态云模型和指标权重计算各评价指标隶属于各等级的确定度,并判定边坡稳定性等级。将该评价模型应用于乌尉高速公路k53~k78区段岩质边坡的稳定性评价,评价结果能客观地反映项目的实际状况,为这类地域岩质边坡的稳定性评价提供了参考实用价值。 相似文献
6.
根据重庆市高速公路边坡特征,选取部分岩质边坡案例,利用灰色关联分析理论,对其是否稳定进行了预测,通过分析计算,结果与实际情况符合的很好,验证了岩质边坡稳定性预测的灰色关联分析方法的可行性。 相似文献
7.
为寻找岩质边坡稳定性快速评价方法,基于熵权构建TOPSIS评价模型,并进行一定改进以满足评价需求。首先,分析影响岩质边坡稳定性的各类因素,对评价指标进行筛选,构建岩质边坡稳定性评价指标体系;其次,利用熵权对主观权进行修正,克服单一赋权缺陷,基于该权重构建改进TOPSIS模型。改进熵权TOPSIS模型可以对不同边坡稳定性好坏进行排序,同时可以通过分析贴近度对边坡稳定程度定级。最后,选取P_1,P_2,P_3,P_4四段边坡进行实例研究,并与改进灰色关联评价、可拓评价结果对比,得出三者评价结果一致的结论。采用改进熵权TOPSIS模型对岩质边坡进行评价,操作简单、快速,具有一定优势,能够为岩质边坡稳定性评价提供一种新的方法。 相似文献
8.
弯曲倾倒破坏是岩质反倾边坡的一种主要失稳破坏模式,目前,岩质反倾边坡弯曲倾倒破坏稳定性分析中存在很多悬而未决的问题。通过对模型试验结果的分析,阐明岩质反倾边坡弯曲倾倒的破坏过程和破坏机制,基于极限平衡理论,建立岩质反倾边坡弯曲倾倒破坏的力学模型和稳定性分析方法,利用所建立的分析方法,以MATLAB为平台编写岩质边坡弯曲倾倒稳定性分析程序,通过2个工程实例边坡对所提力学模型和分析方法进行验证,并进行参数分析,得出的结论和规律更符合工程实际,对该类边坡的设计施工具有指导意义。 相似文献
9.
本文以研究强降雨作用下岩质边坡失稳为研究对象,考虑到强降雨条件下,雨水导致介质的出现应变软化和水致弱化的情况,建立了对岩质边坡稳定性进行评价的综合地质力学模型。利用尖点突变理论,分析得出了强降雨作用下岩质边坡失稳的判断依据。并通过实例验证本方法计算得出的边坡稳定性判断依据与实际情况相符。因此,将尖点突变理论应用于强降雨作用下岩质边坡失稳的的分析是合理的。 相似文献
10.
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。 相似文献
11.
The peak shear strength of discontinuities between two different rock types is essential to evaluate the stability of a rock slope with interlayered rocks. However, current research has paid little attention to shear strength parameters of discontinuities with different joint wall compressive strength (DDJCS). In this paper, a neural network methodology was used to predict the peak shear strength of DDJCS considering the effect of joint wall strength combination, normal stress and joint roughness. The database was developed by laboratory direct shear tests on artificial joint specimens with seven different joint wall strength combinations, four designed joint surface topographies and six types of normal stresses. A part of the experimental data was used to train a back-propagation neural network model with a single-hidden layer. The remaining experimental data was used to validate the trained neural network model. The best geometry of the neural network model was determined by the trial-and-error method. For the same data, multivariate regression analysis was also conducted to predict the peak shear strength of DDJCS. Prediction precision of the neural network model and multivariate regression model was evaluated by comparing the predicted peak shear strength of DDJCS with experimental data. The results showed that the capability of the developed neural network model was strong and better than the multivariate regression model. Finally, the established neural network model was applied in the stability evaluation of a typical rock slope with DDJCS as the critical surface in the Badong formation of China. 相似文献
12.
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。 相似文献
13.
岩质边坡岩石的分类与边界范围的确定对于边坡稳定性的分析至关重要,目前人工方法效率低且受主观因素影响,所以基于Tensorflow建立了岩质边坡图像集分析的卷积神经网络模型,通过卷积操作和池化操作分别对80000张岩质边坡图像进行特征信息的提取和压缩,然后对网络模型进行训练从而实现了岩质边坡岩石的自动识别与分类;采用训练集和测试集中的岩质边坡图像对模型进行检验分析,训练集准确率达到了98%,测试集准确率达到了90%,显示了训练之后的网络模型具有良好的鲁棒性,达到了理想的训练效果。接下来以边坡不同岩石的颜色为主要区分依据,利用深度学习回归操作对岩质边坡不同种类岩石的范围进行确定,为验证算法效果,选取标准彩色岩质边坡图像进行仿真试验,边界检测效果准确。最终采用深度学习建立的网络模型,实现了岩质边坡岩石识别与边界范围划分的快速化、自动化,为后续将图像识别获取的岩质边坡信息导入团队自主研发的GeoSMA-3D软件中,作为对岩质边坡等级判定的重要参数。 相似文献
14.
结合前人的研究成果,对神经网络理论中的BP算法进行综合改进,并将其运用于岩质边坡稳定性评判,建立了评判模型。结合表明改进的BP网络性能良好,所建立的模型预测精度较高,有一定的使用价值。 相似文献
15.
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。 相似文献
16.
The analysis of rock slope stability is a classical problem for geotechnical engineers. However, for practicing engineers, proper software is not usually user friendly, and additional resources capable of providing information useful for decision-making are required. This study developed a convenient tool that can provide a prompt assessment of rock slope stability. A nonlinear input–output mapping of the rock slope system was constructed using a neural network trained by an extreme learning algorithm. The training data was obtained by using finite element upper and lower bound limit analysis methods. The newly developed techniques in this study can either estimate the factor of safety for a rock slope or obtain the implicit parameters through back analyses. Back analysis parameter identification was performed using a terminal steepest descent algorithm based on the finite-time stability theory. This algorithm not only guarantees finite-time error convergence but also achieves exact zero convergence, unlike the conventional steepest descent algorithm in which the training error never reaches zero. 相似文献
17.
在现有研究的基础上,引入径向基神经网络理论,提出了边坡稳定性的径向基神经网络预测方法。以土体重度、内摩擦角、粘聚力、锚固段长度等为输入参数,边坡稳定性系数为输出参数,建立精确RBFNN神经网络模型,对边坡稳定性进行了预测,结果表明:用训练成熟的径向基神经网络进行仿真,避免了诸多人为因素的影响,提高了结果的精度,使得计算高效、结果更加准确。 相似文献
18.
水电站坝前工程边坡的变形稳定问题是近年来水电工程界关注的热点话题。相关监测成果表明,自开挖期完成,工程边坡将先后经历开挖卸荷变形期、蓄水边坡变形调整期和长期变形收敛期3个阶段。本文以西部地区某巨型水电工程左岸500 m级超高坝前工程边坡为例,从边坡基本工程地质条件和边坡变形监测资料入手,在对各阶段边坡变形影响因素深入分析的基础上,通过工程岩体流变试验确定了边坡岩体的流变力学模型,采用人工神经网络监测反馈分析方法开展了边坡岩体流变变形的监测反馈分析,获得了边坡岩体的流变参数,并以此为基础开展了边坡长期变形趋势的预测研究,成果可为边坡长期稳定性安全评价提供依据。 相似文献
19.
In this study, the effect of rock bridges on rock slope stability was investigated by incorporating non-persistent joint networks in numerical models, and the critical profiles of an open pit mine were analysed. Parallel deterministic networks of infinite and finite lengths, ubiquitous joint network model and Veneziano joint network model were used in order to simulate the rock fractures. Materials were modelled based on the generalised Hoek―Brown and equivalent Mohr–Coulomb failure criteria. The parallel deterministic infinite and the ubiquitous joint network models produced lower safety factors. The introduction of rock bridges along discontinuity planes in the parallel deterministic network and Veneziano joint network models significantly contributed to the stability and strain distribution, which should be considered in stability analysis of rock mass in open pit by rock slope practitioners. The results show the significance of joints in hard rock behaviour and the joints should be included in order to attain practical and realistic simulations. 相似文献
20.
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。 相似文献
|