基于栈式自编码器的土质边坡失稳风险评估

运用传统方法开展边坡失稳风险评估时面临着计算量大、处理过程复杂等问题。基于深度学习理论,提出一种快速评估土质边坡失稳风险的方法。考虑影响土质边坡稳定性的9个主要影响因素,利用栈式自编码器进行训练和测试,并采用误差反向传播算法计算误差的传递,在多次训练中优化网络参数,获得最优网络模型。经过测试表明:建立的模型经过训练后能够快速、准确地确定边坡失稳的风险等级。该方法摆脱了传统风险评估方法中复杂、冗长的数据预处理和确定权重的过程,可为边坡及其他工程风险等级的快速评估提供新的思路。