基于灰色关联分析的高边坡稳定性评价

影响边坡工程稳定性的因素众多而复杂,它们之间具有一定的相互联系且具有较强的不确定性。基于灰色系统的灰色关联分析方法,对重度、粘聚力、内摩擦角、空隙水压力比、边坡高、边坡角度等影响边坡稳定性的主要因素进行分析,从而对边坡是否失稳进行了预测。预测结果与实际情况相符,从而验证了将灰色关联分析法应用于高边坡稳定性预测的可行性。     

灰色系统模型在露天矿边坡沉降预测中的应用

为解决抚顺西露天矿边坡沉降变形问题,运用灰色系统模型结合曲线拟合对抚顺西露天矿边坡沉降变形进行预测分析.在传统灰色系统的基础上,运用对数变换的数学方法对实测数据进行改进,建立改进的灰色系统模型,并对露天矿边坡沉降变形进行预测.结果表明:改进的灰色系统模型最大误差仅为0.7%,低于传统灰色理论模型的平均相对误差2.3%,模拟预测效果好,能够满足沉降预测的预报要求.因此,改进的灰色系统模型可用于露天矿边坡变形预测中.     

基于改进麻雀搜索算法和支持向量机的边坡稳定性

边坡失稳是由多种因素共同作用的结果,常规的数学模型难以准确预测。为提高边坡稳定性预测精度,采用多策略融合改进麻雀搜索算法（improved sparrow search algorithm,ISSA）优化支持向量机（support vector machine,SVM）,进而建立边坡稳定性预测模型（ISSA-SVM模型）。将重度、粘聚力、内摩擦角、边坡角、边坡高、孔隙压力比6项因素作为输入特征,将边坡稳定性状态作为输出结果,进而预测边坡稳定性。选取国内外工程实例建立边坡数据库,将ISSA-SVM模型与SSA-SVM模型进行对比分析,通过灰色关联度分析法（grey relation analysis,GRA）进行敏感性分析。结果表明：ISSA-SVM模型预测精度更高、泛化能力更强,粘聚力和内摩擦角是对边坡稳定性最为敏感的因子。所提ISSA-SVM模型不仅能够准确地预测边坡稳定状态,还可以为其他领域相关问题提供参考。     

基于灰色突变理论的块裂岩质边坡崩塌时间预测

为了有效地预测块裂岩质边坡发生崩塌的时间,基于灰色理论和突变理论建立了灰色-突变预测模型.首先运用灰色理论对声发射监测数据进行处理,得到预测数据,运用最小二乘曲线拟合展开,再通过微分同胚变换,转换为尖点突变模型的基本形式,从而建立了灰色突变预测模型.最后采用该模型对贵毕公路k79+380～k79+500右边坡的崩塌时间进行了预测,预测结果和实际崩塌时间基本一致,表明该模型可以有效地预测块裂岩质边坡的崩塌.     

岩体边坡稳定性的灰色系统类比预测

将复杂的岩体边坡系统视为一个灰色系统 ,在综合分析岩体边坡影响因素的基础上 ,采用表征边坡岩体稳定性的复合指标作为评判其稳定性的因素 ,给出了一种基于复合指标的边坡岩体稳定性的灰色系统类比预测模型 .算例结果表明 ,该法简单、直观、实用性强 ,有较好的预测结果 ,很适合于工程应用     

灰色系统模型在露天矿边坡沉降预测中的应用

为解决抚顺西露天矿边坡沉降变形问题,运用灰色系统模型结合曲线拟合对抚顺西露天矿边坡沉降变形进行预测分析.在传统灰色系统的基础上,运用对数变换的数学方法对实测数据进行改进,建立改进的灰色系统模型,并对露天矿边坡沉降变形进行预测.结果表明:改进的灰色系统模型最大误差仅为0.7%,低于传统灰色理论模型的平均相对误差2.3%,模拟预测效果好,能够满足沉降预测的预报要求.因此,改进的灰色系统模型可用于露天矿边坡变形预测中.     

基于神经网络的多参数露天边坡稳定性分析

针对分析露天边坡稳定性的参数的不确定性和不完备性,精确分析方法在表达边坡系统各组成部分之间的非线性关系上有其局限性问题,依据神经网络建立的数学模型,采用神经网络的学习方法,对露天边坡进行稳定性评价。计算结果表明:边坡实际状态和预测结果十分相近,因此运用神经网络模型评价黄土地区边坡的稳定性有较好的适用性,该方法对露天边坡稳定性预测预报具有重要的理论意义和实用价值.     

三峡工程高边坡的稳定性分析

为了分析三峡工程边坡的稳定性,根据灰色系统的理论,利用GM(1,1)预测模型,依据三峡现场边坡的测试数据,建立了边坡岩体变形的灰色预测模型,绘出了边坡变形的拟合和预测曲线,能够比较准确地预测边坡岩体变形的发展情况及稳定性,为边坡岩体变形的预测提供了可靠保证和理论依据.计算分析表明,其预测结果与实测数据较吻合,相对平均精度超过98%,能够满足工程的使用要求.三峡边坡工程是稳定和安全可靠的.     

灰色理论分析边坡稳定性

为了更好的对边坡稳定性进行分析,在信息函数的基础上,将灰色关联理论方法应用于边坡分析中,得到了解决“部分信息已知,部分信息未知”的“小样本”、“贫信息”的信息量有限、影响因素不确定的边坡稳定性分析的好方法。应用灰色理论中的B型关联度对实例进行分析,结果表明:用灰色理论分析边坡,能够更好的预测边坡的稳定性。其研究前景十分广阔,具有很高的理论价值。     

无偏灰色预测模型在边坡变形预测中的应用

根据边坡位移监测信息,应用灰色系统预测模型,可以对边坡变形的发展进行预测.采用传统灰色预测模型和无偏灰色预测模型对边坡变形进行预测,预测结果表明,两种模型都是有效的,无偏灰色预测模型的精度更高.     

边坡稳定性预报的MEP分类预测算法

鉴于传统方法和数值分析方法的局限性,引入了密切影响边坡稳定性的若干参数,运用多表达式程序设计方法建立边坡稳定性评价模型.基于已有的边坡事例,对该模型进行训练和自我学习,然后用样本训练后的优化模型对新的土质边坡数据集进行预测评价.数值实验表明:多表达式程序设计算法在建立边坡稳定性评价模型中具有较高的可信度.     

公路边坡稳定性的二级综合评判

为了准确评价公路边坡的稳定性,针对影响公路边坡稳定性因素的模糊性和随机性,选择影响公路边坡稳定性的10个主要因素,并分为两个层次．利用模糊数学综合评判方法,采用专家方法和经验公式法赋予影响因素的隶属函数和隶属值,建立公路边坡稳定性分析的二级综合评判模型,得到公路边坡稳定性的预测结果。将该模型应用于工程实际,结果证明了该方法的切实可行性和有效性。但对影响因素的选择还需要进一步完善和标准化。     

露天煤矿边坡稳定性的随机森林预测模型

边坡工程是露天煤矿中的重点工程,边坡的稳定性关系着煤矿的安全生产。边坡稳定性预测是边坡防治工作的前提,针对煤矿边坡工程稳定性预测的复杂性,为了快速、有效地判别煤矿边坡稳定性,利用随机森林算法建立煤矿边坡稳定性预测模型。通过选取与煤矿边坡工程密切相关的岩石重度、黏聚力、内摩擦角、边坡角、边坡高度、孔隙水压力6个指标作为边坡稳定性的影响因素,即为随机森林预测模型的输入,边坡稳定性状态作为随机森林预测模型的输出,通过随机森林算法建立边坡稳定性影响因素与边坡稳定状态之间的非线性关系。利用煤矿实测30组边坡稳定性数据作为随机森林预测模型的训练数据集,进行模型的学习训练;另用12组边坡稳定性数据作为预测模型的测试数据,通过训练好的边坡稳定性预测模型进行测试;为了验证随机森林预测模型的准确率,同时与SVM和BP神经网络的测试数据进行比较。结果说明,选取煤矿边坡稳定性的6个指标建立的随机森林预测模型,人工控制参数较少、结构简单、容易实现,且具有较高的准确度,边坡稳定状态预测结果与煤矿边坡工程实际状态相吻合,能有效预测边坡稳定性状态,指导煤矿边坡防治工作的开展。     

露天煤矿边坡稳定性的随机森林预测模型

 边坡工程是露天煤矿中的重点工程,边坡的稳定性关系着煤矿的安全生产。边坡稳定性预测是边坡防治工作的前提,针对煤矿边坡工程稳定性预测的复杂性,为了快速、有效地判别煤矿边坡稳定性,利用随机森林算法建立煤矿边坡稳定性预测模型。通过选取与煤矿边坡工程密切相关的岩石重度、黏聚力、内摩擦角、边坡角、边坡高度、孔隙水压力6 个指标作为边坡稳定性的影响因素,即为随机森林预测模型的输入,边坡稳定性状态作为随机森林预测模型的输出,通过随机森林算法建立边坡稳定性影响因素与边坡稳定状态之间的非线性关系。利用煤矿实测30 组边坡稳定性数据作为随机森林预测模型的训练数据集,进行模型的学习训练;另用12 组边坡稳定性数据作为预测模型的测试数据,通过训练好的边坡稳定性预测模型进行测试;为了验证随机森林预测模型的准确率,同时与SVM 和BP 神经网络的测试数据进行比较。结果说明,选取煤矿边坡稳定性的6 个指标建立的随机森林预测模型,人工控制参数较少、结构简单、容易实现,且具有较高的准确度,边坡稳定状态预测结果与煤矿边坡工程实际状态相吻合,能有效预测边坡稳定性状态,指导煤矿边坡防治工作的开展。     

基于PSO-SVM的岩石边坡稳定性预测

边坡稳定性与其影响因素之间存在着复杂的非线性关系.结合粒子群优化算法和支持向量机,提出了边坡稳定评价的粒子群优化支持向量机模型.模型采用支持向量机建立边坡稳定性和影响因素之间的非线性关系;同时,利用粒子群算法对支持向量机参数进行全局寻优,从而确保了模型参数的准确性.模型的测试结果显示了良好的精度.将该模型应用到某岩石高边坡中,预测结果与实际情况符合较好,表明该模型在岩石边坡稳定性预测中的可行性和有效性.     

基于粒子群优化算法的相关向量机边坡稳定性分析模型

为快速获取边坡稳定性系数,及时对边坡进行稳定性评价,提出一种基于粒子群优化算法(particle swarm optimization,PSO)的相关向量机(relevance vector machine,RVM)边坡稳定性分析模型。该模型通过选取影响边坡稳定性安全系数的6个主要因素,并对这6个主要影响因素产生的30组数据进行拟合训练,利用粒子群算法对相关向量机模型参数进行优化,选取最优参数值,根据这30组训练样本来对剩余4组样本进行精准预测。结果表明：与实际值进行对比,基于PSO-RVM模型预测的平均相对误差仅为5.64%,且建立的PSO-RVM预测模型的边坡稳定性安全系数的平均相对误差均明显优于利用BP(back propogation)神经网络和协调粒子群(coordinated particle swarm optimization,CPSO) -BP模型预测得到的平均相对误差,进一步为边坡稳定性预测及评价提供一种新方法。     

基于距离与灰色关联分析原理的边坡稳定性

针对影响边坡稳定的因素是多方面的,不同边坡的主导影响因素也不尽相同.边坡稳定性研究结果的可靠性,关键在于所考虑的各种影响因素是否恰当和准确,特别是一些主要的影响因素必须予以充分反映.应用灰色关联分析(GRA)是一种多因素统计分析方法,它是以各因素的样本数据为依据,用灰色关联度来描述因素间关系的强弱,其核心是计算关联度.原有的关联度计算公式对各样本采用平权处理,客观性较差,不符合某些更为重要的样本的实际情况.用距离分析法改进的灰色关联分析方法确定边坡稳定性, 可以弥补传统确定稳定性方法的不足, 且方法简便、实用和可靠, 值得推广.     

不等时距灰色模型的边坡位移预测及软件化

针对灰色理论传统的等时距GM(1,1)模型存在不能应用于工程实际中常常存在的非等时距的监测时序问题,建立了不等时距的灰色GM(1,1)边坡位移预测模型。鉴于模型建立及应用中的计算比较烦琐,将模型编制成应用软件,支持输入少量历史监测数据预测指定时间的边坡位移。通过实例利用应用软件对边坡位移进行了预测,实际证明其拟合精度较好,预测结果正确可靠,能够反映边坡位移的客观存在与发展态势,且提高了效率,便于实际工程应用。     

层次分析法-可拓学模型在岩质边坡稳定性安全评价中的应用

为解决境界外驻留矿体的开采技术难题,综合运用物元概念的可拓学理论与层次分析法,建立多层次多指标的岩质边坡稳定性综合评价模型,对边坡稳定性进行评价,得出安全等级标准及评价指标量值.运用层次分析法确定影响边坡稳定性的安全评价指标的权重系数,根据可拓学理论构造经典域物元、节域物元和可拓集合中的关联函数,建立岩质边坡稳定性安全评价的层次分析法-可拓学模型,得到岩质边坡稳定性安全评价结果.经计算,岩质边坡稳定性综合安全评价的级别特征值为2.19,安全等级为Ⅰ级,边坡稳定性处于极稳定状态.研究结果与矿山以往运用RMR法和BQ法计算的评价结果一致.     

基于多级模糊综合评判法的高速公路边坡稳定性分析研究

本文引用模糊数学的理论与方法,建立了二级模糊评判模型。结合陕西省某高速公路K230＋900～K570＋100段边坡实例,通过地质调查,总结了4类20项主要影响该边坡稳定性的因素,作为进行模糊综合评判的评价因子,并分为2个层次。利用对比法分别确定各个变量的隶属度,通过模糊评判模型计算得到了公路边坡稳定性的预测结果。计算结果表明该评价方法能更全而地考虑实际边坡问题的非确定性属性,评价分析结果与实际相吻合,对实际工程有一定的参考价值。