基于神经网络的公路边坡稳定性实时判断

为了实现对非粘性土公路边坡的稳定性实时预警,采用神经网络方法建立了公路边坡稳定性安全系数Fs和变形值的关系模型,该方法克服了Fs不能实时获取的弊端,由实时测量的变形值计算出Fs,并通过Fs实现无粘性土公路边坡稳定性的实时预警,避免了传统实时预警方法中需要根据经验设定各种变形值阈值的问题.对某无粘性土公路边坡的实验研究表明,神经网络模型计算精度优于其他经验模型,且能够满足工程实时监测的需要.      

基于实时监测技术的公路边坡稳定性评价研究

针对公路边坡的实时稳定性评价问题,提出了基于极限平衡理论的公路边坡稳定性评价位移值分级标准。该方法首先采用极限平衡理论对公路边坡进行稳定性安全系数与位移值的计算,随后,得到了公路边坡稳定性实时判断的位移值分级标准。对北京市某公路边坡的监测结果表明,通过该方法得到的公路边坡稳定性状态结果与实际情况吻合度较高,提高了公路边坡失稳预警的准确性。     

基于神经网络的无黏性土公路边坡稳定性实时判断研究

为了实现对非黏性土公路边坡的稳定性实时预警,采用神经网络方法建立了公路边坡稳定性安全系数Fs和变形值的关系模型.该方法克服了Fs不能实时获取的弊端,由实时测量的变形值计算出Fs,并通过Fs实现无黏性土公路边坡稳定性的实时预警,避免了传统实时预警方法中需要根据经验设定各种变形值阀值的问题.对某无黏性土公路边坡的试验研究表明,神经网络模型计算精度优于其他经验模型,且能够满足工程实时监测的需要.