人工神经网络技术在昔格达地层公路边坡稳定预测工程中的应用

通过人工神经网络预测技术对西昌至攀枝花高速公路新开挖昔格达地层高边坡进行稳定性预测,利用已有5个月的观测数据,应用误差反向传播（BP）理论建立预测模型,通过计算,得到每个边坡观测断面的预测结果。预测结果与目前边坡实际变形基本吻合,证明人工神经网络预测技术在昔格达地层公路边坡变形预测中是发挥一定作用的。     

昔格达地层路堑边坡稳定性物元分析

结合西(西昌)攀(攀枝花)高速公路建设需要,通过对西攀高速公路沿线昔格达地层既有铁路、公路路堑边坡稳定性的调查研究,采用物元数理统计方法进行归纳分析,系统全面地总结出昔格达地层路堑边坡稳定性的影响因素,即坡高、坡度、坡体结构、含水率、植被覆盖率、岩石性质以及坡体内结构面产状与岩层产状,然后建立物元方程,得出各因素对边坡稳定性的影响程度,同时对昔格达地层路堑边坡按稳定性进行归类,共分稳定型、次稳定型、次不稳定型和不稳定型4种类型。通过系统论述昔格达地层边坡稳定性与边坡地形、地质条件的关系,得到了昔格达地层路堑边坡稳定性的理论判别依据和判别标志。     

昔格达地层路堤地基稳定性分析

基于对西昌至攀枝花高速公路昔格达地层研究成果,通过对雅安至泸沽高速公路典型工点试验和数值模拟分析,研究昔格达地层路堤地基稳定性,得到昔格达地层承载性能和稳定性均较高,可作为良好的天然地基的结论。该结论对将来该地层的深入研究及应用具有指导意义。     

西攀路昔格达地层滑坡分析

因昔格达地层具有特殊的地质结构和物理力学性质,该地层中产生滑坡的密度在我国易滑地层中名列前茅。西攀路沿线广泛分布昔格达地层,通过西攀路昔格达地层基本特性的研究,对昔格达滑坡进行了分类,并对滑坡成因进行了分析。     

喇嘛溪沟昔格达地层滑坡地形研究

通过对喇嘛溪沟中下游昔格达地层滑坡区内地形因素的综合分析,得出滑坡发育发展的一般规律,进而为该地层滑坡发生地形的预测和识别提供了一定的理论依据。     

昔格达组地层研究现状与牛坪子滑坡稳定性分析

介绍昔格达组地层研究现状;针对西攀高速公路牛坪子滑坡的变形历程、滑坡成因 及稳定性进行分析,并提出了滑坡防治措施的建议。     

西攀高速公路昔格达地层地基承载力试验分析

通过现场地基压板静载荷试验,并考虑昔格达地层特殊的工程性质,得出了昔格达地层作为浅基础的地基的容许承载力和极限承载力以及地基变形模量。     

西攀高速公路新九地区昔格达地层岩土特性

通过对西(西昌)攀(攀枝花)高速公路新九地区昔格达地层中粉质细砂岩及粉质页岩物理特性及工程特性的研究,得到昔格达地层的岩性特征,以及昔格达地层抗剪强度指标与含水率的关系,由此得出昔格达地层在干燥情况下自稳性较高的结论,对西攀高速公路建设具有指导意义。     

喇嘛溪沟昔格达地层水岩相互作用的研究

研究表明喇嘛溪沟经历过较强烈的水岩作用,现阶段这一作用较弱,在不大规模地打破原有自然环境平衡的前提下,不会对建设中的雅安-石棉-泸沽高速公路造成很大影响。     

昔格达组地层泥质粉砂岩承载板试验研究

根据西攀路安宁河岸蒲坝工点试验段6个点的承载板试验结果,确定出昔格达组地层泥质粉砂岩的变形模量、容许承载力等设计计算参数,可供昔格达组地层设计参考。     

基于人工神经网络的公路黄土高边坡稳定性预测研究

文章介绍了BP网络模型的计算过程并对其性能进行了改进。在此基础上,分析了影响黄土高边坡稳定性的因素,包括土体的容重γ、粘聚力c、内摩擦角φ、孔隙水压力比γu,地震烈度,边坡坡比和边坡高度H。在对西部四省地区上百个黄土高边坡稳定性进行调查的基础上,结合典型的实测数据,应用改进的神经网络BP模型对其进行预测和评价研究。结果表明:改进的BP模型具有收敛快、数据输入方便等优点,预测结果相对传统方法来说更准确、可靠,具有一定的推广的价值。     

基于模糊聚类BP 神经网络在边坡稳定性评价中的应用研究

利用边坡样本之间存在的相似性,采用模糊聚类分析方法对边坡样本进行分类,并根据择近原则将预测样本划归为贴近度最大的聚类模式,运用该模式对预测样本的稳定系数进行BP神经网络预测。通过实例证明了该方法的可靠性和有效性。     

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.     

边坡稳定性影响因素定量分析神经网络法

探讨圆弧式破坏的边坡稳定性分析的一种新算法———BP神经网络法,与多元线性回归和多元判别分析法相比较,神经网络方法具有精度高、收敛速度快、容错能力高等特点,用于边坡稳定性评价是可行的。     

SMR法在公路边坡稳定性分级中的应用

详细、系统地介绍边坡稳定性分析SMR法,将之应用于西南某高速公路边坡工程稳定性评价,提出运用SMR法进行稳定性评价及对支护措施的建议.应用表明,此法具有简便性和可行性,值得推广.     

修正重度增加法在边坡稳定中的应用

有限元重度增加法通过增大自重直至边坡破坏,此时重力增大的倍数即为安全系数,具有概念清晰、操作简便等优点。但在缓坡和内摩擦角较大时所得安全系数偏大,从而阻碍了该法的发展。文章提出修正的重度增加法,通过算例与简化B ishop法和强度折减法相较,以及在黑泉水库岩质边坡稳定中的应用,结果表明:修正的有限元重度增加法,在粘性土和岩质边坡稳定中的应用是切实可行的。     

粗神经网络及其在交通流预测中的应用

实时准确的交通流量预测是实现智能交通诱导及控制的前提与关键,也是智能化交通管理的客观需要。把粗集理论引入神经网络的构造,应用粗神经元取代部分常规神经元,给出了一种交通流量的粗神经网络预测模型。实验结果表明,该模型在交通流量预测的精度和对交通路网的适应性方面明显优于常规神经网络,具有较高的实用价值。粗神经网络具有极强的鲁棒性,预测模型也可方便地处理季节、天气等随机因素对交通流量预测结果的影响。     

BP神经网络在土工合成材料蠕变预测中的应用研究

过对目前广泛应用于加筋土工程的土工合成材料-CE131土工网、SDL25土工格栅进行不同应力水平作用下的长期荷载蠕变试验,获得大量的实验数据.在此基础上,运用最小二乘和BP神经网络对其蠕变量进行预测.最小二乘原理是在曲线族中寻找一曲线去拟合实验数据,从得到的误差平方和σ=0.00116来看,其拟合精度较高.BP神经网络具有自适应学习和记忆能力,尤其是三层BP神经网络模型,所得预测值与实际值误差最大为0.91%,较最小二乘3.4%的误差改善了许多,该法为蠕变预测找到了一条新的途径.