边坡稳定性自动机器学习预测方法研究

为了简便有效地评估边坡稳定性状态,针对目前传统机器学习的算法选择与超参数优化等难题,提出1种边坡稳定性自动机器学习预测方法。首先,简要介绍5种主流开源自动机器学习框架;其次,以422组边坡稳定性样本为数据集,进行自动机器学习纯自动化训练,并与传统机器学习对比分析模型的性能与耗时;最后,综合讨论与比较典型自动机器学习框架的特性。研究结果表明：自动机器学习预测效果总体上优于传统机器学习,提升边坡稳定性预测准确率和稳健性,且无需人为干预。研究结果可为岩土工作人员准确可靠地评价边坡稳定性提供便捷条件。     

考虑岩土体剪胀特性的边坡稳定性分析*

为考虑岩土体剪胀特性对边坡稳定性的影响,基于非关联流动法则,利用等效内摩擦角的概念对原抗剪强度参数进行修正,以修正后的等效参数c*,φ*探讨剪胀角对岩土体强度的影响,结合传统强度折减法以及基于临界曲线的双系数折减法,求解基于修正后等效参数计算的边坡安全系数,并给出安全系数的取值方法。结果表明:采用等效参数来考虑剪胀角的影响是可行的;随剪胀角的增大安全系数增大,且增长速度变缓,剪胀角在0~25°范围内对安全系数的影响显著,在实际工程计算中需要考虑剪胀角对边坡稳定性的影响;基于临界曲线的双系数折减法可较为直观地体现出剪胀角的影响程度,在研究剪胀角对边坡稳定性的影响时可采用此方法进行分析。