Bayes与Fisher判别在边坡稳定性中的应用

基于Bayes判别和Fisher判别分析理论并结合工程实际,选用边坡岩土体的重度、黏聚力、边坡角、边坡高度及孔压比5个指标作为边坡稳定性预测的判别因子,建立边坡稳定性预测的Bayes判别和Fisher判别分析模型;以28组边坡已知数据作为学习样本进行训练,建立Bayes和Fisher判别函数及对误判率进行了估计以检验模型的优良性,并选用7个工程实例对所建立的模型进一步进行考察,结果全部预测正确。     

基于Bayes判别分析的边坡稳定性评价方法

将Bayes判别分析方法应用于边坡稳定性分析评价中,建立边坡稳定性综合评判的Bayes判别分析模型。该模型选用天然重度、粘聚力、内摩擦角、边坡坡角及边坡高度等5个指标作为判别因子,将边坡状态分为失稳和稳定2个等级,并作为Bayes判别分析的2个正态总体,以岩土体边坡实测数据作为训练样本,建立Bayes线性判别函数和判别准则,最后以回判法对判别准则进行评价以检验模型的可行性。     

基于Fisher判别分析法岩质边坡稳定性评价

基于岩石边坡稳定性评价方法CSMR体系,建立了边坡稳定性评价的判别分析模型,选用岩体质量、结构面特征、边坡几何条件等方面的综合指标作为判别分析模型的判别因子,以多个岩石边坡工程的稳定状况样本数据进行学习训练,建立了相应的线性判别函数对待判样本进行了预测。分析结果表明,判别分析模型评价边坡稳定性准确度高、误判率低,能够反映CSMR体系各参数对边坡稳定安全系数的影响程度,是一种有效的边坡稳定性评价方法。     

基于因子分析与Fisher判别分析法的隧洞围岩分类研究

为快速有效地预测隧洞围岩的类别,提高地下工程的稳定性和安全性,应用因子分析与Fisher判别分析理论,选取岩石质量指标、完整性指标、饱和单轴抗压强度、纵波波速、弹性抗力系数和结构面摩擦因数等6个指标作为Fisher判别分析的判别因子。建立基于因子分析的隧洞围岩分类的Fisher预测模型。将现场勘测的30组隧洞围岩数据作为学习样本进行训练。利用回代估计法对模型效果进行检验,正确率为96.7%。将建立的判别模型应用于工程实例,以6组工程数据作为预测样本,进行隧洞围岩的分类预测,并与神经网络方法和Bayes方法进行对比。结果表明:因子分析可以有效提取围岩分类指标,去除冗余影响因素,基于因子分析的Fisher判别模型可有效地预测隧洞围岩的类别,所得预测结果的正确率为100%。     

基于Fisher判别准则的公路隧道围岩分级评价

该文借鉴Fisher判别理论,建立公路隧道围岩评价模型,以期取得较好的效果。该项研究借助Fisher判别明显的统计优势,综合国内外大量岩体围岩分级指标资料及工程实际,建立了公路隧道围岩识别的Fisher判别分析模型,选用隧道洞室围岩岩石单轴饱和抗压强度σc、节理平均间距d、岩石质量指标RQD、地下水情况W等方面的综合指标作为围岩类别判定的评价因子,以21组公路隧道围岩实测样本数据进行学习训练和检验,并建立了相应的线性判别函数对13组待判隧道围岩类别情况进行了预测,判别结果与实际一致。研究结果表明,FDA模型回判估计误判率为0,交叉确认估计误判率为4.8%,判别性能稳健可靠,对现有评价公路隧道围岩分级方法进行了有效的验证和补充。     

基于逐类组合支持向量机的边坡稳定性预测研究

首次采用逐类组合支持向量机（TCSVM）方法,用于解决边坡稳定性预测的问题。模型是先用支持向量分类机（SVC）对边坡状态进行判识,然后用支持向量回归机（SVR）建立边坡安全系数预测模型,再用建好的模型对未知边坡的稳定性进行判别和安全性系数预测。利用模型对71个边坡实例中的61个进行学习,10个进行检验。结果表明:TCSVM对边坡安全系数的预测结果均优于SVM和PCA-SVM。表明逐类组合支持向量机方法提高了安全性系数预测的准确率,对边坡稳定性研究具有积极意义。     

Kohonen神经网络模型在边坡稳定性评价中的应用

在综合分析Kohonen神经网络技术特点的基础上,将该神经网络应用于边坡稳定性分析,建立了评价边坡稳定状态的网络模型,并以大量工程实例样本对网络进行了训练和检验.结果表明,该网络模型预测精度高、简单易行,是评价边坡稳定性的一种有效方法.     

推土机故障诊断的Bayes判别方法研究

将Bayes判别分析法应用于推土机工作状态评价中,建立了推土机工作状态分类和发动机故障识别的Bayes判别分析模型。实例研究表明：Bayes判别分析模型回判估计误判率较低,因而是推土机发动机工作状态分类与故障诊断识别的一种有效方法,可在生产实际中应用和推广。     

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。     

一种新型复合边坡稳定性预测模型及其应用

提供了一种将模糊层次综合评价法和K-Means聚类方法相结合的新型边坡稳定性预测模型计算方法,并将该复合边坡稳定性预测模型应用于20个边坡样本中,预测准确率达到100%,验证了该模型的可靠性和实用性。传统极限平衡法所计算出的安全系数大于1并不能完全保证边坡工程的稳定安全,该复合边坡稳定型分析模型能有效的克服单纯安全系数预测边坡稳定性的局限性,为边坡的稳定性评价提供了新思路。     

基于AHP-TOPSIS模型的岩土边坡稳定性评价

选用岩石质量指标、岩体完整性指标、地应力、黏聚力、内摩擦角、坡高和日最大降水量7个影响因素作为边坡稳定性评价指标,采用改进的层次分析法(AHP)计算各评价指标的权向量,结合逼近理想解排序法(TOPSIS)构建改进的AHP-TOPSIS模型。依据单指标等级分类区间的下限构造5个不同等级的临界值边坡,将其稳定性指标临界值与4组边坡稳定性指标实测数据一同代入AHP-TOPSIS评判模型,通过计算它们与理想解的贴进度来划分稳定性等级分类区间,进而与4组待评价边坡贴进度对比确定出边坡稳定性等级。研究结果表明,采用AHP-TOPSIS模型对边坡稳定性的评价结果与灰色关联法和可拓评价法等结果基本相符,证明该模型的可行性,为边坡稳定性评价提供了一种新的分析方法。     

基于模糊层次分析法的岩质边坡危险性预测分析

结合各种工程实践和工程规范建立岩质边坡稳定性的评价因素,同时以模糊数学原理为基础,由地区专家打分法确定评价因素的判断矩阵,建立了适用于福建省岩质边坡危险性预估模型,并且应用于一工程案例。结果表明:该方法能进行边坡危险性等级预测,可供地质灾害治理的决策部门提供参考。     

公路高切坡安全评价的集对分析模型

通过对公路高切坡安全影响因素的分析,取内摩擦角、粘聚力c及高切坡类型等作为评价指标,利用集对分析理论确立评价体系和评价模型。通过对重庆两巫路工程实例进行判别评价,验证结果与实际边坡安全等级相符,表明该理论方法具有可行性、有效性和科学性,可为其他相关领域提供一定的参考作用。     

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。     

二级模糊综合评判在公路边坡稳定性分析中的应用

引用模糊数学的理论与方法,建立了二级模糊评判模型。结合湖南某高速公路k120 450~k120 900段边坡实例,通过地质调查,总结了4类20项主要影响该边坡稳定性的因素,作为进行模糊综合评判的评价因子,并分为2个层次。利用降半梯形隶属函数法和专家评定法分别确定连续型变量、离散型变量的隶属度,通过模糊评判模型计算得到了公路边坡稳定性的预测结果。计算结果表明该评价方法能更全而地考虑实际边坡问题的非确定性属性,评价分析结果与实际相吻合。     

二级模糊综合评判在公路边坡稳定性分析中的应用

引用模糊数学的理论与方法,建立了二级模糊评判模型。结合湖南某高速公路k120＋450~k120＋900段边坡实例,通过地质调查,总结了4类20项主要影响该边坡稳定性的因素,作为进行模糊综合评判的评价因子,并分为2个层次。利用降半梯形隶属函数法和专家评定法分别确定连续型变量、离散型变量的隶属度,通过模糊评判模型计算得到了公路边坡稳定性的预测结果。计算结果表明该评价方法能更全而地考虑实际边坡问题的非确定性属性,评价分析结果与实际相吻合。     

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。     

隧道围岩稳定性改进模糊概率模型及其应用研究

为更加准确有效地判别隧道围岩稳定性,引入RandWPSO-LSSVM(随机权重粒子群算法-最小二乘支持向量机)围岩极限位 移预测模型,对传统模型的隶属函数进行优化,建立围岩稳定性改进模糊概率模型。基于改进模型方法,由围岩位移预测值u、预测 位移标准差、围岩极限位移预测值U 及预测极限位移标准差即可求解隧道围岩稳定概率,并结合8 个工程算例对模型进行验证。 结果表明,改进模型解决了传统模型隶属函数存在的极限位移取值范围不合理的问题,且有效消除了隶属函数线性简化处理导致 的偏差,由其计算的稳定概率与实际情况吻合较好,围岩稳定性评价结果的可靠性更高; 将改进模型应用于实际工程的隧道围岩 稳定性判别中,计算结果能够较好地反映实际工程情况。     

边坡稳定性评价模型及其应用研究

为了对边坡稳定性做出客观合理的判断,将理想点法应用于边坡稳定性评价中,选取岩石质量指标、岩石结构特征、地应力等7个具有代表性的影响因子作为边坡稳定性评价指标体系;采用改进的熵权法确定各指标权重系数,建立了边坡滑移失稳的熵权-理想点法预警模型。结果表明:改进的熵权法与边坡实际稳定级别基本一致,验证了该方法的可行性和可靠性,证明此方法具有良好的工程应用前景。     

基于判别分析法的交叉口进口道交通状态预测

针对交叉口进口道交通状态的模糊性和不确定性,在综合考虑影响进口道交通状态因子的基础上,选取到达率、排队长度、信号周期、饱和度和车道数为预测交叉口进口道交通状态的影响因子。采用判别分析法中的Fisher判别法,利用调查得到的样本数据建立了交叉口进口道交通状态预测模型,并用调查得到的验证样本进行验证,结果表明利用Fisher判别法能够有效的进行交叉口进口道交通状态的预测。