基于BP神经网络和遗传算法技术的边坡稳定性评价

本文将BP神经网络和遗传算法技术应用于边坡的稳定性评价,通过对标准BP算法进行改进,提出了用遗传算法优化神经网络的GA-BP算法,这样既发挥了神经网络的广泛映射能力和遗传算法的全局搜索能力,实现了两者的优势互补,也加快了网络的学习速度,综合提高了整个学习过程中的逼近能力和泛化能力。     

神经网络在黄土边坡稳定性分析中的应用

应用神经网络理论估算黄土边坡稳定性的安全系数,用黄土边坡实例作为输入样本,建立神经网络BP模型,以安全系数作为输出值,进行实验。试验结果表明,该方法计算所得安全系数较为可靠,可用于边坡稳定性分析。     

黄土边坡的稳定性计算参数对边坡稳定性安全系数的影响研究

黄土边坡的稳定性是工程实践中非常重视的问题,而稳定性计算参数的选取对稳定性安全系数具有一定的影响。以兰州榆中地区的黄土边坡为调查研究对象,在确定坡高和坡率的前提下,采用基于极限平衡理论的简化毕肖普法(simplified Bishop method),分别讨论了黄土边坡的重度、黏聚力和内摩擦角对边坡安全系数的影响。结果表明,在黄土边坡的坡高、坡率既定的前提下,黄土边坡稳定性计算参数的变化与其安全系数之间具有较好的线性相关性,黏聚力和内摩擦角的变化对边坡安全系数的影响相对于重度的变化对边坡安全系数的影响较大。     

黄土边坡稳定性的简单判别方法——以兰州地区阶地黄土边坡为例

边坡稳定是土木工程中十分重要的问题,黄土边坡稳定性具有明显的地域特点.从兰州地区二三四级阶地取原状黄土,测试黄土的颗粒成分、水溶盐含量、碳酸钙含量、有机质含量、内摩擦角和粘聚力;从黄土的物理性质和力学性质得出高阶地边坡稳定性高于低阶地边坡.以地貌特征、阶地类型、物理性质及力学性质为指标,结合边坡稳定状况调查成果,将黄土边坡划分为不稳定、稳定和极稳定3类.此分类一方面反映边坡的工程地质特性,另一方面可快速定性判别边坡稳定性.     

黄土边坡稳定性计算方法研究

目的目前对于多土层、多台阶的边坡进行稳定性分析时,大多对土性参数、坡率进行加权平均来对边坡进行稳定性分析,没有考虑到大部分坡顶都有一定倾斜,这必然会产生一定的误差。为了克服这些问题,我们对边坡作进一步的研究。方法考虑边坡土体分层情况、坡顶坡率、防护力的大小(无防护时为零)及作用点高度,做出边坡的受力模型图,求导出能够反映黄土边坡实际情况的稳定性表达式。结果通过对该方法求导的稳定性表达式进行计算机VB编程,能够简单方便的求解出边坡的稳定性状况及间接求导出使边坡达到稳定时所需防护力。结论该方法取代对坡体土性加权平均,考虑了不同土层的情况,同时考虑坡顶倾斜的情况来对边坡进行稳定性分析,所得结果能够进一步接近黄土边坡的实际情况。     

基于MATLAB下BP神经网络的边坡稳定分析

文章以小浪底水利枢纽大坝下游2km黄河南岸的东苗家滑坡体为例,讨论MATLAB下的BP神经网络工具箱在边坡稳定性分析中的应用.结论是:利用MATLAB的神经网络工具箱可以实现边坡稳定性预测,且预测结果与其他方法计算结果相吻合;正确选择训练网络模式和传递函数、网络训练的权重和偏差是至关重要的.     

黄土边坡稳定性分析的神经网络方法

针对黄土边坡稳定分析计算方法繁琐、复杂、精度低等缺陷,应用神经网络理论,提出了黄土边坡稳定性分析的新方法.以14个边坡工程的稳定状况作为学习样本和预测样本,讨论了基于神经网络技术的黄土边坡稳定性分析方法及其有效性.研究表明,神经网络方法具有精度高,收敛速度快,容错能力高等特点,且操作简洁方便,能有效地应用于黄土边坡稳定性分析.     

地震和降雨条件下黄土高填方边坡稳定性分析

针对地震和降雨会影响黄土高填方边坡稳定性的问题,采用地震动力计算、完全流固耦合计算和强度折减计算,对正在使用的黄土高填方边坡进行分析,并对边坡土体位移时程、加速度功率频谱、吸力、有效应力和最小安全性系数进行分析,研究地震和降雨入渗条件对正在使用的黄土高填方边坡稳定性的影响.结果表明：地震作用对黄土高填方边坡表层土体作用大于填方基底土体作用;降雨入渗对边坡土体的影响范围为表层土体和浅层土体;降雨入渗使得边坡表层土体的吸力和有效应力减小,而使浅层土体局部吸力增大;降雨过程中边坡表层土体有效应力减小,浅层土体有效应力先增加后逐渐减小;地震后降雨入渗引起边坡最危险滑移面区域发生改变,降雨速率和降雨持续时间均对最小安全性系数有影响,降雨结束后边坡最小安全性系数降低.该研究为三维条件下地震和降雨入渗对正在使用的黄土高填方边坡稳定性研究提供参考.     

黄土边坡稳定性的多级模糊模式识别分析

针对黄土边坡稳定分析中影响因素众多、而且具有不确定性的特点 ,采用多级模糊模式识别进行黄土边坡稳定性的分析 ,充分考虑了多种因素的影响 ,对于不同的影响因素赋予不同的权重 ,并应用实例进行对比分析 ,以说明其方法的合理性     

陕北黄土边坡稳定性分析

随着国民经济的发展及西部大开发的推进,越来越多的工程项目在黄土地区进行,黄土边坡经常会遇到崩塌、滑坡等失稳破坏问题,影响工程施工的顺利进行或道路的正常使用。本文以陕北地区非饱和黄土为研究对象,对陕北黄土含水量与湿陷性和抗剪强度关系进行试验研究,并理论分析了含水量对边坡稳定性的影响理论分析,得出水是引起陕北地区黄土边坡失稳破坏的主要原因。这对陕北黄土边坡稳定性的研究具有一定的指导意义。     

基于神经网络的黄土质边坡稳定性分析—以宝鸡峡引渭渠道左岸塬边高边坡为例

应用神经网络理论,建立了用于黄土质边坡稳定性分析的模型,并以宝鸡峡引渭渠道左岸高边坡为实例,对该方法的合理性和准确性进行了验证,结果表明,与传统计算方法相比,神经网络方法具有准确率高,自学习,自适应性强和容错率高等优点。     

运用神经网络估算黄土边坡的安全系数

应用人工神经网络BP模型的非线性动力学、自学习和实时处理等特性,以黄土边坡实例作为输入样本,建立神经网络BP模型,并以安全系数作为输出值,估算黄土边坡稳定性的安全系数.通过试验数据对比,所得安全系数误差在6%以内,表明该计算方法可用于边坡稳定性分析.     

岩质边坡可靠性的神经网络估计

针对岩坡可靠性分析中存在的问题,提出了运用神经网络预测岩坡可靠性的新方法,并构造了相应的神经网络模型,预测结果表明,该模型具有很高的预测精度,能够满足实际工程需要。     

基于人工神经网络的井泉滑坡稳定性

针对组成边坡的地质条件、岩土体物理力学性质等因素的不确定性、模糊性特点,为了解决准确预测边坡稳定程度的问题,利用人工神经网络技术,在边坡稳定性评价方面进行了探索,建立了一种把人为因素降到最低程度、融定量与定性指标于一体的边坡稳定性综合评价模型,并应用该模型对井泉滑坡工程实例进行了分析。分析结果表明:该模型对井泉滑坡的安全系数与边坡状态判断准确,与实际情况吻合。该模型在边坡稳定性评价方面具有重要的工程应用。     

基于BP神经网络的空洞型采空区稳定性评价研究

通过分析空洞型采空区稳定性的影响因素,依照BP神经网络原理,构建出适合空洞型采空区稳定性评价的BP神经网络模型。再通过收集到的空洞型采空区稳定性样本对所构建的BP神经网络进行训练,得出空洞型采空区稳定性评价BP神经网络模型,并应用检测样本测试其准确性。并以陕北讨老乌素煤矿采空区为例,应用训练好的BP神经网络模型对其进行预测评价,最终得到了与实际情况吻合的结果。     

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.     

基于模糊控制的人工神经网络模拟在土质边坡安全预测中的应用

从最优化角度出发,用神经网络解决模糊控制系统的规则提取问题,给出可靠的基于BP算法的可靠神经网络模拟过程,对模糊子集个数的选取与系统复杂性、精确性之间的关系进行讨论.为获得边坡复杂工况下的安全特征,建立基于模糊控制的人工神经网络边坡安全预测模型,由大量样本进行网络训练.研究结果表明:所建立的模型预测精度较高,且实用易行;边坡的坡度、内摩擦角、凝聚力对边坡的安全系数影响较大;该预测模型可用于处理普遍存在的不确定性、非线性复杂工程问题;通过模糊控制调整模型,可对不同工程对象进行较精确的模拟分析.     

基于动量BP神经网络的英文字符识别

英文字符识别已经广泛地应用于很多重要领域.已有的英文字符识别算法很多,一种典型的算法是BP神经网络算法.但是,BP神经网络算法有时不收敛,或陷入震荡.这就导致识别率下降.为此,本文研究了一种改进的称为动量BP神经网络算法用于英文字符识别.这种算法在BP神经网络算法的网络参数控制中添加一个动量系数和一个动量项.这样可以避免迭代的震荡,加快收敛速度.提高识别率.利用动量BP神经网络算法,对52个英文大小写字符进行了识别试验.实验结果表明,这种算法能获得满意的识别率.