基于神经网络的公路边坡冲刷量模拟计算

神经网络模拟采用三层前馈网络模型，输入层有3个结点，分别代表30min降雨强度、降雨历时和降雨量，表示冲刷外因。输出层只有一个结点，代表坡面冲刷量；隐层结点数采用7个，即土压实度、坡度坡长、径流流速、径流流量、土颗粒粘聚力、植被指数和人为干扰等，为影响冲刷量的主要因素。为了验证模型，在连徐高速公路路堤边坡用SR型人工降雨设施进行冲刷试验，得到冲刷量实测资料，将通过模型计算的冲刷量值与之比较，显示了模型具有较好的模拟预测效果。     

公路边坡冲刷机理初探

针对目前公路过坡冲刷防护研究之不足，首先阐述了研究公路过坡冲刷的必要性，然后在分析降雨溅击和径流形成过程的基础上，重点描述了坡面径流力的计算方法及影响边坡冲刷的主要因素，初步分析了公路过坡水蚀冲刷产生机理，为今后的研究建立了一个理论框架。     

基于MATLAB神经网络的岩质边坡稳定性分析

对边坡进行稳定分析是治理边坡工程的基础。引入BP神经网络方法,利用MATLAB软件对岩质边坡进行了预测,通过选择对边坡稳定性因素影响较大、在实际工程中容易得到的参数作为输入的神经元,忽略了一些在试验中很难得到的参数,如、值;通过多种训练函数的拟合,确定Levenberg-Marquardt函数为合适的训练算法;通过对网络结构进行优化,提高了模型的计算精度,结果显示该方法具有较好的实用性。     

公路路基边坡冲刷及生态防护对策

为改善和提高公路边坡防护、维持生态平衡,针对边坡水土流失成因,提出了植被生态护坡的方法,并对目前常用护坡方法的优缺点及适用条件进行了分析,为有效控制边坡的水土流失问题提供了参考。     

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.     

BP神经网络预测河湾最大冲刷深度

影响河湾凹岸最大冲刷深度的因素众多，而且这些因素的关系是非线性的．实现河湾最大冲刷深度预测的实质是建立一个非线性映射．实现这种映射的传统途径是在室内试验的基础上，采用量纲分析和多元回归的方式建立经验公式．根据BP（前馈）神经网络模型能逼近任何闭区间的连续函数的性质，在室内试验的基础上，尝试采用人工神经网络模型对河湾冲刷深度进行预测，并与经验公式的计算结果进行了比较．结果显示，BP神经网络能够更为准确地对河湾最大冲刷深度做出预测。     

基于能量法的高等级公路路堤边坡冲刷临界坡度研究

针对目前路基边坡冲刷临界坡度研究存在的不足，在分析边坡径流水力学特性的基础上，根据物质能量守恒和转化原理，对边坡土水力冲刷过程从能量的角度进行描述，得出了各主要坡面冲刷影响因素(降雨、路面宽度、路基高、路面横坡、路面与坡面的粗糙系数)与冲刷临界坡度的函数关系．结合工程实际，以临界坡度为中点定出一个合理的极限坡度范围．在进行边坡设计时，避开2个坡度界限值，以达到不设防护设施或减少防护工程量的目的．     

边坡径流及冲刷的影响因素研究

径流和冲刷是造成边坡水土流失及失稳的重要原因，本文对边坡径流和冲刷的影响因素进行了详细阐述。影响径流的主要因素有：土壤性质、土壤初始含水量、植被、坡形、致密表层土及不同的水保措施等；而地形、植被、降雨等是影响冲刷的主要因子。     

基于神经网络的边坡冲刷稳定性综合评价

边坡冲刷稳定性评价具有不确定性,将人工神经网络应用于边坡冲刷稳定性评价,建立了边坡冲刷稳定性神经网络模型并进行了验证,对边坡的设计和施工有一定的使用价值。     

基于MATLAB神经网络工具箱的电力系统负荷预报

提出的基于MATLAB神经网络工具箱的短期负荷预报模型,不仅简洁实用,而且涉及了天气和日期特征量,因而具有较高的预测精度.采用两种学习算法,用实际数据对ANN进行了训练,通过比较得出了优化模型.计算实例表明用该方法是可行的、有效的.     

基于BP神经网络的坡面降雨产流预测

为预测坡面降雨产流,基于坡面降雨产流的非线性特性,引用3层BP(Back-Propagation)网络建模方法,对B市密云水库流域石匣小区水土保持监测小区的坡面降雨产流进行了研究。模型输入层变量数为5个,分别代表坡度、坡长、降雨强度、降雨历时、土壤的有效糙率,输出层变量数为坡面降雨产流量,利用野外小区实测数据,对上述网络进行了训练,学习100次后网络趋于收敛,训练样本集误差达到2.040 96×10-10,小于预设精度,预测样本的平均相对误差为1.67%。该模型的建立与实践,为坡面降雨产流预测的研究提供了新的方法。     

降雨引起的坡面黑土侵蚀厚度的计算

为了计算降雨引起的坡面黑土层侵蚀厚度,建立了坡面变形(冲刷厚度)的数学模型.模型包括坡面水流连续方程、水流运动方程、侵蚀方程(水土流失方程)、坡面变形方程.实现了对降雨引起的坡面黑土层侵蚀厚度的数值计算,该成果可预测黑土层流失的年限,为防治水土流失、减轻地质灾害、合理使用耕地和保护生态环境提供科学依据.     

黄土地区边坡侵蚀的机理

分析了影响边坡侵蚀的因素,研究了路基边坡的侵蚀机理,提出了边坡综合防护类型、特点及选择原则.     

雨强和坡度对嵌套砾石工程边坡侵蚀特征的影响

为探究不同雨强和坡度对西南高山-亚高山地区急陡、高砾石含量工程边坡土壤侵蚀的影响.采用室内模拟降雨及人工配置土壤等方法,在5种雨强(25,40,45,65,85 mm/h), 5种坡度(35°,40°,45°,50°,60°)条件下进行模拟实验.研究结果表明:工程坡面产流率随着雨强的增加呈对数增加.不同雨强下坡面平均产流率变化过程随着坡度的变化差异性具有统计学意义.随着雨强的增加,同一坡面工程边坡侵蚀率明显增多.当雨强为40 mm/h时,工程坡面侵蚀率随坡度变化较小(<0.015 g/s);当雨强为65 mm/h时,同一坡面的侵蚀率随着坡度的增加而减少.工程坡面溅蚀率整体呈现出迅速增长至峰值后缓慢下降的趋势.同一边坡随着雨强的增加,坡面击溅侵蚀率在产流前和产流时都有明显的增加,不同粒径土壤增速具有明显差异,同一坡面随着坡度的增加,坡面泥沙溅蚀率存在临界值(40°～45°).降雨强度与土壤侵蚀相关性有统计学意义,不同雨强下坡度与径流过程和侵蚀过程的相关性具有明显差异性.结论:工程边坡中砾石具有增加下渗率和抗侵蚀作用,工程坡面土壤侵蚀率随降雨历时逐渐下降;坡度的增加在增大坡面流速的同...     

基于神经网络的公路网规模预测

路网规模研究是公路网规划的重要内容。考虑影响公路网合理规模的多种因素，提出了一种基于BP神经网络的公路网规模预测方法，并建立了模拟路网规模与其影响因素间的非线形关系预测模型。步骤依次为：改进传统的BP算法、合理确定影响因素、建立预测模型、模型的训练与检验、数据预测。预测结果表明，该方法客观、合理，预测精度高，实用性强，具有较强的理论与实际应用价值。     

基于MATLAB神经网络的复吹转炉终点氧含量的预报模型

钢水终点氧含量是转炉炼钢的控制目标，它与钢水碳含量、钢水温度等多个变量之间存在着严重的非线性关系。利用MATLAB环境，提出基于BP神经网络的转炉炼钢终点氧含量预报模型，并结合某钢铁企业一座90t转炉的实际数据进行了模型验证。结果表明，该方法收敛速度快，预报精度较高。