基于改进的PSO‑BP神经网络的边坡稳定性研究∗

边坡稳定性研究对于重大地质灾害防治极其重要，但由于影响边坡稳定性的因素具有非线性、多样性以及模糊性等特征，边坡稳定性分析一直是地质灾害防治领域的热难点问题。已有研究表明神经网络预测模型可有效应用边坡稳定性分析，但同时存在预测精度低、鲁棒性差、收敛速度慢等缺点。为改善上述问题，在粒子群算法优化的 BP 神经网络（简称 PSO?BP 神经网络）算法基础上提出一种改进的边坡稳定性预测模型。该模型以容重、内聚力、内摩擦角、边坡角、高度、孔隙压力比作为输入参数，以安全系数作为输出参数。通过借鉴遗传算法中的变异思想来提升模型全局寻优的能力，利用能量函数负梯度下降原理提高模型的收敛速度。将所收集到百余条边坡数据进行数据清洗，最终得到 80 条高质量边坡数据，随机选取其中的 50 条边坡数据作为模型的试验数据。最后采用十折交叉验证的方法对模型的准确性进行验证，并在多维度与其余边坡稳定性神经网络预测模型进行对比分析。结果表明：①该模型相比于其余模型收敛速度、准确率、鲁棒性均有明显提高；②将 K 折交叉验证应用在小样本数据下的边坡稳定性神经网络预测模型，可有效避免结果的偶然性。③该模型的预测误差仅为 4.31%，满足工程精度需求，可在实际工程中为边坡稳定性分析与灾害防治提供参考。     

基于主成分分析与遗传优化BP神经网络的风电场短期功率预测研究

为降低风电场弃风率及对电网稳定性影响,对风电场短期功率进行准确预测显得十分重要。针对传统BP神经网络泛化能力差、网络收敛速度慢等问题,建立了一种基于主成分分析与遗传优化BP神经网络相结合的风电场短期功率预测模型。首先,利用主成分分析法对风电场原始气象数据进行分析,将得到的独立变量作为BP神经网络的输入;然后利用遗传算法确定了神经网络的最优初始权值和阈值的大致范围,并用L-M算法对BP网络权值和阈值进行细化训练;最后,利用中国北方某风电场实际运行数据进行验证,结果表明,所建立的预测模型合理有效,不仅可以加快BP神经网络收敛速度,减少预测误差,还可以提高风电场短期输出功率的预测精度,具有一定的工程应用价值。     

人工神经网络在预测深基坑周边地表沉降变形中的应用研究

深基坑开挖引起的周边地表变形预测是一个复杂非线性问题,引起地表沉降的影响因素很多,各因素之间呈高度的非线性关系。传统的基坑用边地表沉降变形预测方法存在着一定的局限性,其预测精度有待提高,而人工神经网络是一种多元非线性动力学系统,可以灵活方便地对多成因的复杂未知系统进行高度建模,实现全面考虑各种主要影响因素的深基坑周边地表沉降变形预测。本文介绍了误差反向传播(BP)网络模型的结构、学习过程及其算法的改进,径向基函数(RBF)网络模型的结构及其学习过程;分析了影响深基坑开挖周边土体沉降变形的主要影响因素;以25个基坑工程的地表沉降实测资料为训练样本,建立了11个输入影响因素的BP神经网络模型和RBF神经网络模型,通过对样本的学习训练过程及对5个检验样本的预测精度,说明了人工神经网络用于预测基坑周边地表沉降的可行性和准确性。     

基于CSMR和卷积神经网络的岩质边坡稳定性分析

CSMR分类体系是一种半定量的岩质边坡稳定性分析方法，其综合考虑了多因素对边坡稳定性的影响，但是计算复杂。在岩质边坡稳定性评价CSMR分类体系基础上，引入卷积神经网络原理，建立基于CSMR和卷积神经网络的边坡稳定性评价模型。首先，通过85个实测岩质边坡样本对模型进行训练，构建CSMR方法中的坡高H、高度修正系数ξ、RMR评分、结构面方位修正系数(F₁、F₂、F₃)、开挖方法修正系数F₄和结构面条件修正系数λ共8个影响因子和边坡稳定状态的非线性映射关系。然后，用另外15个边坡样验证基于CSMR和卷积神经网络的岩质边坡稳定性分析模型的有效性。最后，将模型应用于广东清远银湖城边坡稳定性分析，其预测值和期望值基本吻合。同时与有限元分析法计算结果进行了对比，表明该方法具有较强的泛化能力，能快速预测边坡稳定性，可为山区工程建设中岩质边坡工程设计和管理提供依据和参考。     

苏通大桥结构健康状态评估技术研究与应用(1):拉索损伤识别

采用改进的RBF神经网络建立了苏通大桥拉索损伤识别方法。2个不同阶固有频率之比是仅与损伤位置有关的结构振动参数,据此定义了用于损伤定位的损伤特征指标,并用其来训练神经网络;提出了基于R2+准则与Jackknife校验的改进RBF算法,以有效地控制RBF网络的过拟合现象。算例结果表明,所提出的方法可以较好地对苏通大桥斜拉索进行损伤识别。     

基于神经网络的岩体边坡稳定性的灰色聚类空间预测法及其应用

针对岩体边坡稳定性与影响因素之间的非线性关系，提出了基于神经网络的岩体边坡稳定性的灰色聚类空间预测法，结合实例仿真分析，表明该方法能较好地处理岩体边坡稳定性与影响因素之间的灰色非线性关系，同时，能比较准确地预测岩体边坡的稳定性。     

基于BP神经网络的饱和砂土液化判别方法

基于唐山地震中大量的砂土液化现场实测资料,选取描述地震动特性的烈度、震中距、地面峰值加速度和描述砂土层埋藏环境条件的地下水位、标贯点深度(土层深度)、上覆非液化覆盖土层厚度、有效覆盖压力,以及表示砂土自身属性的标准贯入锤击数、平均粒径、不均匀系数、修正标贯击数共11个指标的不同组合作为输入变量,采用快速BP算法和LM算法构造了饱和砂土液化判别的BP神经网络预测模型.通过所建网络模型的训练、验证和应用,结果表明:(1)所建14个BP神经网络模型都是有效的,液化判别的准确度与模型输入变量的不同组合有关;(2)增加网络模型的节点(考虑因素较多)并不一定能够提高BP神经网络模型的液化判别准确度,反而增加了BP神经网络模型的复杂性和学习时间;(3)两种算法的BP神经网络模型都有很高的液化判别准确度,LM算法的计算速率要比快速BP算法快得多,但在计算过程中需要更多的内存,建议采用LM算法;(4)采用所提BP神经网络模型的权值与阈值进行其它预测样本的液化判别时,判别结果可能偏于保守;(5)从影响砂土液化的主要因素、获取指标难易程度考虑,在与<建筑抗震设计规范>砂土液化判别公式考虑指标一致的情况下,建议采用BP神经网络模型M4或M5a,该模型简单、方便,且其预测准确度远高于<建筑抗震设计规范>的砂土液化判别准确度.     

基于神经网络的岩质边坡稳定性评估系统研究

本文针对边坡稳定性预测问题，初步建立了基于神经网络的边坡稳定性评估系统（称为ＳＳＥ），还阐述了该系统的开发过程，介绍了系统的主要组成部分及运行环境，同时给出了应用实例。应用结果表明了该系统的有效性。     

淮安市砂土地震液化势的综合评估

建立了BP神经网络模型LM算法的砂土地震液化判别方法,采用LVQ模式分类网络对数据进行分类,选取唐山地震时76个场地、320组现场液化勘察资料为研究对象,训练和检验网络模型的数据各160组,结果表明,该方法的砂土液化预测准确度为96.8%。根据淮安市典型场地土的钻孔资料,采用《建筑抗震设计规范法》液化判别法(规范法)、美国国家地震研究中心建议的液化判别简化方法(NCEER法)和谢君斐-陈国兴液化判别方法(谢-陈法)等3种液化判别方法及本文提出的BP神经网络模型液化判别方法对22个钻孔、120标贯点进行了液化判别,结果表明:14种地震液化判别方法的计算结果基本一致;2NCEER法比谢-陈法的计算结果要保守;3谢-陈法与规范法的计算结果很吻合,预测正确率相差不大;4规范法相对BP神经网络模型法的计算结果要保守;5BP神经网络模型法比其他3种方法的预测结果更符合实际的液化规律。最后,综合4种方法的液化判别结果给出了该地区地震液化势的评估结果,并给出了部分典型地质剖面土层地震液化势分布图。     

海洋冰情预测的径向基函数网络模型

为了提高非线性时序预测模型的精度,利用自相关技术分析了海洋冰情时序的延迟特性,据此确定了RBF网络的输入、输出向量,给出了MATLAB环境下海洋冰情预测的高精度径向基函数(RBF)神经网络的结构、设计、仿真函数和图形结果的输出方法,建立了海洋冰情预测的高精度RBF网络模型.使用27年的海洋冰情实测资料进行了网络的训练和检验,并将之用于预测,各训练样本的误差为0.0,预测值的精度高于门限自回归模型预测的精度.实例分析表明,所构建的RBF网络模型能充分利用预报因子的信息和神经网络方法的非线性映射能力,模型稳定性好,精度高,可广泛应用于各种自然灾害的非线性时序动态预测.     

基于模糊相似优先比的黄土路堑高边坡稳定性评价

充分挖掘大量已知其稳定性状况的公路黄土路堑高边坡,根据模糊相似优先比的概念,构造了一个基于模糊变权相似优先的边坡范例推理模型。对每一个黄土边坡稳定性的影响因素,分别建立边坡的目标范例与源范例之间的模糊相似优先关系。经过影响因素之间的两两比较,获得了不同的影响因素下边坡的目标范例与源范例之间的相似性序列,在确定影响因素各自的权重之后,经计算可获得边坡的目标范例与源范例之间的综合相似性序列,从而最终找出与边坡的目标范例最相似的源范例,进而实现了黄土边坡目标范例的稳定性评价。实例分析表明:边坡稳定性评价结果与其实际状态吻合较好。     

山区高速公路边坡监测与动态化设计施工实例分析

据对中部某山区高速公路边坡的实际监测资料,结合勘察、设计、施工情况得出了各种不利边坡稳定的因素,分析了该边坡实际变形方式。选取具有代表性的边坡监测点,监测边坡变形、锚索受力和雨量,以反应出边坡在开挖后的实际发展状态,进而对边坡变形的影响因素进行分析,对该边坡特有的反向坡体内部的变形做出解释。根据不同的边坡状态提出对该类型边坡的长期预警参考值。实际监测与研究结果表明,该边坡处于临界状态,容易受雨水、爆破施工等外界因素扰动,原有施工设计方案不完全适合于该边坡治理,优化后的设计施工方案成功完成了该边坡的抢险任务。     

三维土工网防护边坡整体稳定性分析

针对三维土工网护坡技术的前期阶段不断出现的边坡整体失稳现象,基于三维土工网护坡技术的作用机理,采用强度系数折减法,利用ABAQUS建立土工网防护边坡的三维有限元模型,以坡肩特征点的位移突变情况作为边坡失稳判断的标准,分别计算和比较了不同降雨条件下土工网防护边坡和不含土工网边坡的安全系数,探究了边坡失稳时坡体内部塑性区的发展情况和位移分布规律,并利用室内边坡抬升破坏试验分析比较了两种边坡的破坏抬升角度和最终破坏情况,与数值模拟分析结果进行比较。结果表明:土工三维网在一定程度上可以提高边坡的整体稳定性,但作用影响较小;降雨强度的大小对边坡稳定性的影响较为明显;在土工网和铆钉共同作用下,土工网和其覆盖的土体共同作用,呈现较好的整体性。     

基于较大块石分布位置的土石混合边坡稳定性研究∗

为了准确分析土石混合边坡的稳定性,克服传统有限元和颗粒流程序在分析土石混合边坡稳定性上的不足,提出一种基于原始土石混合边坡的图像识别和块石随机生成技术,运用此技术生成土石混合边坡模型,模型中较大块石的尺寸范围为0.1～0.3倍坡高,并采用强度折减法对5种不同较大块石分布位置的土石混合边坡的稳定性进行了分析研究。结果表明:不同的较大块石分布位置对土石混合边坡稳定性的影响较大,影响的大小关系为:坡脚坡面坡顶坡内坡后均质土坡;在同一较大块石分布类型下,不同的块石随机位置及排列方式对土石混合边坡的塑性扩展模式有着较大影响。研究结果可为土石混合边坡的设计及施工提供参考依据。     

暴雨洪涝敏感性影响因子分析及评估--以江西安义县为例

由于区域地理环境存在差异,洪涝敏感性影响因子的选取主要根据区域地理特征及个人经验确定,缺乏统一的标准、系统的分析和科学的评价。洪涝灾害与影响因子之间是复杂的、多变量的非线性关系,与研究区的地质、地貌、土地覆盖等诸多因素密切相关。针对不同的研究区域,搜集尽可能全面的影响因子并对其进行优化选取是实现洪涝敏感性准确评估的前提和保证。南昌市安义县位于潦河中下游,是洪涝灾害的主要受灾区域。基于遥感影像数据和地理信息系统技术,以安义县为例开展暴雨洪涝敏感性影响因子分析及评估研究。首先,利用成灾前后哨兵一号雷达影像提取安义县2016年6月30日至7月5日暴雨洪涝的淹没范围,选取高程、降水、用地类型、距河流距离、坡度等15个洪涝敏感性影响因子。然后,基于随机森林模型对15个影响因子进行重要性排序,按照排序结果对影响因子逐步精简,并基于神经网络模型对影响因子进行优化选取。最后,基于优化选取后的影响因子,采用神经网络模型进行安义县洪涝敏感性评估,并用实例验证洪涝敏感性评估结果的可靠性。研究结果表明,在精简收敛指数、坡向、剖面曲率、地形位置指数和汇流动力指数5个最不重要的影响因子后,神经网络模型的性能有一定提升;敏感性等级为中等及中等以上区域主要分布在潦河两岸,约占安义县总面积的1/3,近70%的洪涝分布在敏感性中等及中等以上区域,洪涝发生在洪涝敏感性等级为中等及中等以上区域的可能性非常大,洪涝敏感性评估结果与安义县实际情况相符。     

路堑节理边坡开挖稳定性及影响因素分析

以某公路节理岩质边坡为工程背景,首先利用FLAC3D建立该边坡的数值分析模型,计算得到5台阶开挖的安全系数分别为2.62、2.39、1.61、1.06、0.67,并确定其破坏模式为双滑块平面剪切破坏;然后针对边坡的破坏模式建立理论计算模型,分别改变节理的倾角和力学参数(c,),分析它们对稳定性的影响。结果表明:变化下滑块节理面的倾角时,安全系数先变小,而后逐渐增大;变化上滑块节理面的倾角时,安全系数逐渐增大;当c1、c2取值较小时,两者的变化对于安全系数的影响基本相同,但随着取值的增大,c2的影响效果逐渐大于c1。     

列车振动荷载对柴达木盆地雅丹地貌稳定性的影响

基于青海省地方铁路鱼卡至一里坪线路经过的雅丹地貌密集分布区现场调查和地质勘探,以室内物理力学试验结果为基础,利用数值软件ABAQUS对区域内典型雅丹模型进行稳定性计算分析。选取典型形态的雅丹地貌进行天然状态下的静力分析,对该区内雅丹地貌的天然稳定性做出评价。进而根据列车通过场地振动测试结果,对列车振动荷载作用下不同边坡角度雅丹的动力响应特征进行了计算,揭示了列车振动引起的雅丹失稳破坏机制。研究结果表明:天然状态下不同施工边坡角度对雅丹地貌自身的稳定性影响很小,可以忽略不计;列车荷载振动作用下对雅丹地貌自身的稳定性影响显著增强,其总位移、Mises应力值和剪应力S12值均显著增大,且随着列车运行距离的增大,雅丹的峰值加速度急剧减小。随着边坡角度的增大,加速度的放大作用愈加明显,且坡脚到坡顶的PGA呈明显放大趋势。最后给出了该线路在列车振动荷载作用下对其周围雅丹地貌稳定性影响显著的距离和合理的路基边坡角度范围。     

岩体边坡地震稳定性动安全系数分析方法

在分析几位学者研究成果的基础上,提出一种适合于岩体边坡动安全系数非线性分析的方法,其主要步骤如下:1)确定介质非线性本构模型的参数;2)考虑边坡的外部及自身载荷,进行边坡静力有限元非线性分析,确定滑坡带单元的初始应力;3)在静力分析的基础上,进行边坡动力有限元非线性分析,确定滑坡带单元的动应力时程;4)根据滑坡带单元的初始静应力和动应力时程,计算每一时刻的边坡动安全系数,从而得到边坡的动安全系数时程;5)根据评价标准,进行边坡地震稳定性评价。 根据上述步骤,结合三峡重庆库区某典型滑坡进行了动安全系数分析,结果表明了该方法可行性。本文只是提出一种初步的边坡稳定性评价标准,由于这方面的震害资料尚少,对其可行性的研究还有待于进一步深入。