基于MATLAB的边坡稳定性评价方法

针对边坡变形破坏的复杂性，建立了基于MATLAB的边坡稳定性评价神经网络模型，对面向MATLAB神经网络设计中的若干问题进行了探讨。研究表明基于四种快速算法的边坡稳定性评价模型均可满足工程的要求。     

DE—BP神经网络的边坡稳定性分析

引入BP神经网络技术对边坡稳定性进行分析,建立了边坡稳定性分析模型.针对BP神经网络参数优化容易陷入局部最优解所存在的缺陷,结合差异演化算法(Differential Evolution,DE),提出了实数编码的DE-BP神经网络预测模型.研究结果表明,该模型对边坡稳定性的分析精度较高,应用DE-BP神经网络进行建筑工程边坡稳定性分析是可行和高效的.     

基于模糊相似聚类神经网络模型的公路边坡稳定性分析

边坡稳定性分析一直以来都是岩土工程中的核心问题之一,随着社会建设的不断发展,这一问题也变得越来越突出。当今,我国正处在快速发展阶段,各项基础设施建设正在如火如荼地开展,使得边坡稳定性问题变得越来越复杂。特别是高速公路的边坡稳定性,其重要性不言而喻。其工程地质环境复杂多变并受到多种因素的影响,致使人们亟需解决公路边坡稳定性中不太准确的评价问题。为了解决复杂公路边坡稳定性评价这一庞大的系统带来的困难,需要将各学科领域进行交叉融合,以期获得较准确的公路边坡稳定性评价方法。文中将模糊相似聚类模型引入到RBF神经网络中,建立公路边坡稳定性模糊相似聚类RBF神经网络模型,并将该模型应用于公路边坡稳定性评价与预测。研究表明,模糊相似聚类神经网络模型能够合理、可靠地评价公路边坡稳定性。通过各学科领域的交叉融合取得了良好的效果,进一步优化了边坡稳定性评价方法。     

基于神经网络和突变理论的边坡稳定性评价

施工过程中边坡的稳定性受到多种因素的影响,变形破坏机理复杂多变,且存在诸多不确定性,亟需建立一个全面系统的边坡稳定性评价方法。文中基于分叉和突变理论,利用突变级数反映边坡的稳定状态不利组合关系,将边坡稳定性状态参数输入复合神经网络模型,通过神经网络学习得到边坡稳定性评价结果,并将该方法运用于实际工程中验证其合理性。     

人工神经网络在边坡稳定性预测中的运用

以重度、粘聚力、摩擦角、边坡角、坡高、孔隙压力比作为输入，采用同一地区的17个滑坡样本数据，建立了6个输入层、6个隐含层、1个输出层的反向传播神经网络；通过网络训练和分析，得到了该地区的滑坡预报模型和连接权值。结果表明，采用人工神经网络评价边坡的稳定性是可行而有效的。     

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.     

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.      

水上交通流冲突严重度BP神经网络评价方法

目前的水上交通流评价方法在评价指标关系模糊、来源不清等情况下难以运用,且主观性较强,存在评价结果严重偏离实际的情况,忽视了客观性不足的问题.为降低专家主观性对水上交通流冲突严重度评价的影响,基于BP神经网络建立评价模型,并通过网络训练进行函数比较,确定最符合模型设定要求的Trainlm函数,以及精度与迭代次数.由于数据的差异性会对BP神经网络的训练效率和评价精度造成影响,基于聚类分析与BP神经网络建立新的评价模型,将训练数据按照欧几里得度量进行归类开展神经网络训练,分别对水上交通流冲突严重度进行评价.运用9个水道数据为例对模型进行验证,通过比较聚类分析数据与未处理的原始数据在BP神经网络中的评价结果,发现评价结果平均误差从42.05%降低到23.74%,进一步验证了BP神经网络在该领域的可行性.评价模型利用聚类分析与BP神经网络相结合的方法,不仅客观性较强,而且与单一使用BP神经网络的模型相比提升了评价精度.      

基于深层卷积神经网络的公路边坡灾害识别研究

人工检测公路边坡灾害,费时费力,效率和识别率较低,随着以深度卷积神经网络为代表的深度学习技术在图像目标识别方面取得的卓越成绩,为实现公路边坡灾害图像自动检测提供了新的思路。有鉴于此,针对传统人工方案存在的问题,本文设计了基于深度卷积神经网络实现公路边坡灾害自动识别系统。系统由预处理、深度学习网络模型及后处理三部分构成,在深度学习开源Caffe开发环境下,实现了Alex Net和Goog Le Net深度学习网络模型并采用大量公路边坡数据完成模型训练。通过对公路边坡实测数据的分类试验,本方案的边坡灾害识别率达到90%左右,表明基于深度学习的公路边坡检测方案可有效完成公路边坡灾害识别任务,有效替代传统人工检测方式。     

基于熵权属性识别模型的路堑边坡稳定性评价

结合工程实例,将属性识别模型应用于路堑边坡稳定性评价,提出了路堑边坡稳定性评价的属性测度计算方法,并利用Shannon熵理论确定权系数,建立了基于熵权的属性识别模型.实例评价结果与计算结果一致,证实了该方法的可行性和有效性.此方法结果合理,可以有效地解决边坡稳定性评价问题.     

基于人工神经网络的振动压路机智能控制研究

在分析道路施工对振动压路机智能控制要求和现有控制方法的基础上,提出了振动压路机神经网络智能控制的方法,简介了该方法的系统结构与实现原理,重点研究了包括评价网络和动作网络在内的振动压路机神经网络控制模型与算法。仿真试验结果说明了采用神经网络模型进行振动压路机控制的可行性与正确性。     

基于范例推理的结构型岩质边坡稳定评价模型

利用154个稳定性已研究清楚的结构型岩质边坡作为源范例,提出基于范例推理的边坡稳定性评价模型,对模型的推理机制、变权计算、源范例与目标范例的相似性计算等问题进行了讨论.利用该模型对源范例边坡进行回判,符合率达83%以上.对内昆铁路5处岩质边坡稳定性进行评判,结果与实际完全相符,说明所提出的结构型岩质边坡稳定性评价模型是有效的.     

基于熵权-灰靶理论的滞洪区高速公路生态边坡决策方法及应用

边坡防护方案的确定是公路设计阶段的重要环节,决策结果的客观性、科学性直接影响公路全寿命周期的安全.目前滞洪区高速公路生态边坡方案的决策以定向的经验判断为主,缺乏定量理论评价.为此,基于二元定量比较法、熵权法、灰靶决策理论,构建了一种滞洪区高速公路生态边坡评价决策模型.该模型从经济、技术、社会三方面综合考虑生态边坡方案决策的多种因素,选取11个评价指标构建指标体系;利用熵权法对指标权重进行计算,降低人为主观因素影响,并结合灰靶理论计算各评价方案靶心距,进行优劣排序决策最优方案.最后以津石高速公路生态边坡方案决策为例,对上述方法进行了应用验证.实践结果表明,该评价模型能较为准确的评价滞洪区高速公路生态边坡方案的优劣程度,具有一定的合理性和可行性.     

高速公路社会经济效益评价模型研究

运用主成分分析和BP神经网络建立高速公路社会经济效益评价模型,从区域的宏观社会发展角度分析评价项目的利弊得失.该评价模型在保留测试数据最大量信息的前提下,给数据有效降维和预分类,以消除样本间的相关性;再将所产生的新的样本空间作为BP网络的输入,以降低网络输入维数,简化网络结构,并在保持相同正确率的前提下,加快网络的学习...     

氧传感器故障状态补偿控制方法的研究

在Hendricks提出的汽油机平均值模型的基础上增加了空燃比模型、氧传感器模型和PI控制器,建立了系统仿真模型,并通过台架试验进行了验证.在系统仿真模型上模拟了氧传感器的响应延迟故障,研究其不同故障程度对发动机喷油规律和排放的影响.同时提出了一种基于Elman神经网络的虚拟氧传感器,根据Elman神经网络的基本理论构建了网络模型,以模型输出作为网络的训练样本,并对该网络模型进行了训练和测试.结果表明,该模型能较好地预测空燃比信号,并利用预测信号进行氧传感器故障状态下的补偿控制;基于Elman神经网络和虚拟氧传感器信号的喷油规律与正常状态下的喷油规律一致,能满足实际空燃比控制需求.     

基于DE-BP神经网络的桥梁损伤评估

在对桥梁损伤评估系统模型的基础上,提出了基于DE-BP神经网络的损伤评估方法。该方法引入差异演化算法(DE算法),通过对已有的桥梁损伤评估实例对神经网络进行训练,可使神经网络较好地表达评估结果与评价因素之间的关系。在网络学习过程中充分引入DE算法,避免了BP神经网络容易陷入局部最值及收敛慢的缺点,经该方法训练好的网络可以对实际桥梁进行评估。     

隧道施工安全评价模糊神经网络技术应用研究

针对高速公路隧道施工系统的安全评价问题,将模糊理论与神经网络相融合,研究建立了一种模糊神经网络评价模型。阐明了评价系统的工作原理及实现方法。利用历史样本数据对网络模型进行学习训练和测试,工程实例结果显示,评价精度满足工程应用要求。该评价模型具有对环境变化的自学习能力,对权值进行调整,动态地评价公路隧道施工系统的安全状态,是公路隧道施工安全评价方法中的一种新的评价方法。     

基于可拓理论的软岩边坡稳定性分析

通过对边坡调查的统计分析,得到影响边坡稳定性的控制性因素;基于可拓学理论,分别构建了边坡稳定性评价的可拓模型,并用定量的数值表示评价结果。应用实例分析对比表明,该评价法能较准确地反映边坡的稳定性状况,该法是可行的。     

基于人工神经网络的边坡稳定性评价

应用改进的BP神经网络模型对国道107线清连一级公路部分高危边坡进行了稳定性评价研究。研究表明，改进的BP模型具有收敛快、数据输入方便、预测结果准确可靠等优点*     

基于支持向量机和改进BP神经网络的路基边坡稳定性研究

针对京新高速公路项目在建设中遇到的裂缝、滑移、倾倒等大量边坡稳定性问题,为了探讨边坡岩土体参数与边坡稳定性间的相关关系,以及保证研究项目路段在运营期间的行车安全,实现公路网尤其是山区公路的安全、高效、便捷运行,在已有研究的基础上,分别建立了支持向量机以及附加动量因子mc而改进后的BP神经网络两种边坡稳定性预测模型。通过引入45个训练样本,对5个工程边坡实例的安全系数进行预测计算,分析了两种模型的平均误差和最大误差,比较了两种模型的预测精度和适用范围,并且对京新高速公路胶泥湾至冀晋界路段的工程边坡稳定性进行了预测。结果显示,样本训练阶段,支持向量机和BP神经网络两种模型均具有较高的模拟精度,而BP神经网络更优;在样本预测阶段,支持向量机的预测精度明显优于BP网络;当随着样本容量不断增大时,两种计算模型的预测精度也逐渐提高;通过结果可以得出,支持向量机预测模型有较强的外推能力和预测计算的有效性,可以更好地描述边坡稳定性复杂的非线性关系,更适用于边坡稳定性的预测分析。