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。     

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。     

BP和RBF神经网络在边坡稳定性评估中的比较研究

通过实例分析,对BP神经网络和RBF神经网络在边坡稳定性评估中的应用进行了比较研究,结果表明,BP神经网络和RBF神经网络均能很好地对边坡稳定性进行评估,但RBF神经网络比BP神经网络的训练速度更快,效率更高,并且对于同样的精度要求,RBF神经网络对边坡稳定性的评估结果更加准确和适用。     

基于反演分析的边坡点安全系数稳定性评价方法

边坡失稳往往造成严重的经济损失和社会影响,是公路建设中需解决的重要问题。为解决公路边坡破坏问题,采用FLAC软件和相关理论,通过计算和分析,提出了基于反演分析的边坡点安全系数稳定性评价方法。结果表明:该方法能实时掌握边坡动态安全系数,保障边坡坡体安全稳定运营,可作为边坡安全预警与防范的分析方法。     

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GIS的公路边坡稳定性评价系统

基于SuperMapⅢ地理信息系统开发平台,采用Visual Basic程序设计语言,开发了公路边坡稳定性评价系统,为公路边坡稳定性评价提供了一个实用工具。本文主要介绍系统开发的基本思路、开发环境、主要功能和边坡稳定性评价过程,并给出了勉宁公路的一个应用实例。     

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.     

不同颗粒成分对花岗岩残积土路堤边坡稳定性的影响

不同颗粒成分土体强度的变化在花岗岩残积土边坡稳定性分析中十分重要。文中通过对不同颗粒成分花岗岩残积土进行渗透试验、土水特性试验、直剪试验,得到其抗剪强度随颗粒成分的变化规律;通过Geostudio中的SEEP与SLOP模块进行有限元数值模拟,分析不同颗粒成分花岗岩残积土边坡的稳定性。结果表明,颗粒成分的差异会直接影响土体的抗剪强度,在雨水冲刷条件下,花岗岩残积土中粗颗粒含量越少,保水性能越好,渗透系数越小,抗剪强度越高,花岗岩残积土路堤边坡稳定系数越大,稳定性越好;若发生失稳,也主要表现为浅层坡面失稳。     

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。     

公路路基边坡稳定性的可靠度分析

通过对影响边坡稳定性的主要因素各基本变量的统计分析，采用F－T型状态函数以及中心点方法，验证了可靠度分析方法是演算边坡稳定性的合理途径。     

基于FLAC3D和BP神经网络的边坡抗剪强度参数反演分析

针对静态强度参数无法反映不同位移下动态衰减过程的问题,提出利用位移直接判断安全系数大小的方法。通过定期监测实际边坡位移,建立FLAC3D三维边坡模型计算获得样本数据,同时建立BP神经网络反分析模型,经样本数据训练后反演得到变化位移下抗剪强度参数,然后基于反演的参数计算了边坡安全系数,同时拟合得到了安全系数与位移间的定量函数关系,从而实现了边坡动态稳定性分析。结果表明：(1)位移与抗剪强度参数之间具有较高的关联性,尤其是内摩擦角对位移变化的敏感性较高;(2)通过FLAC3D模拟了滑坡形成过程中滑面不同位置位移变化,依此确定边坡破坏模式为滑移-拉裂型;(3)通过反演直观呈现了抗剪强度的衰减和安全系数的降低过程,基于动态安全系数与监测位移拟合所得的理论公式可较为准确反映不同位移下边坡安全系数的大小,具有一定的工程适用性。     

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.     

基于改进BP网络参数修正的软土路基沉降计算

在软土路基沉降计算中,较准确地提供所选用的模型参数是计算结果高精度的保证,该文基于沉降计算中邓肯-张模型参数灵敏度分析,把改进的BP网络模型引入到计算中的主要参数反演中,再利川反演出的参数进行路基沉降计算,结果与沉降实测值非常接近,也为获取较准确的计算参数提供了一种新方法,在实际工程中具有参考价值。     

公路边坡稳定性评价方法及滑坡防治措施

0引言近年来,随着国民经济的飞速发展,“村村通公路”工程的进一步实施,在地形困难路段修建的公路越来越多。受各种条件的限制,大填、大挖     

基于滑动式测斜仪的边坡岩体稳定性分析

以湖南醴茶(醴陵—茶陵)高速公路层状岩质高边坡变形体作为工程实例,根据地质勘探成果布置测斜孔对边坡岩体进行监测,通过对监测数据的分析,提出边坡稳定变形影响因素,揭示滑动带的位置及厚度,阐明变形机制,为工程处理措施的制定和实施提供指导。     

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.     

六潜高速公路沿线边坡稳定性分析及加固措施研究

为了确保六潜高速公路运营期的边坡安全,本文对六潜高速公路第一示范工程区危险边坡运用MSARMA方法与钻孔揭露滑动面特征的方法对滑动面的确定进行研究,然后在考虑边坡的非齐次边界条件和边坡坡面存在荷载和加固力的情况下运用MSARMA方法对边坡进行稳定性及敏感性分析,分别得出边坡的稳态对边坡各项影响因素的敏感性分析,获得对边坡稳定性影响显著的影响因素,并据此采取了相应的加固处理措施,为山区高速公路的长期安全运营奠定了基础。     

基于数值模拟的边坡稳定性分析

基于现场踏勘资料,采用强度折减法对某边坡进行数值模拟分析,得出边坡的安全系数为1.121,滑动面圆弧半径为27.26 m左右。结合现场踏勘情况,为边坡提供加固建议,以期为类似工程提供参考。     

增加边坡稳定性的加强桩的设计

本文叙述了用桩加固边坡的一种设计方法，该方法有三个主要步骤：（１）计算把安全系数增大到理想值所需的剪力；（２）计算每根桩能提供的抵抗边坡潜在不稳定部份滑动的最大剪力：（３）桩的类型、数量和斜坡中这些桩最合适位置的选择。文中叙述了ＥＲＣＡＰ分析法和它所揭示的桩性特点。