边坡稳定性影响因素敏感性人工神经网络分析

《边坡稳定性影响因素敏感性人工神经网络分析》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、第23卷第16期岩石力学与工程学报23(16)：2703～27072004年8月ChineseJournalofRockMechanicsandEngineeringAug.，2004*边坡稳定性影响因素敏感性人工神经网络分析夏元友熊海丰(武汉理工大学土木工程与建筑学院武汉430070)摘要传统的边坡稳定性影响因素敏感性分析基本上都是基于各参数变化的大量试算分析，这样不仅计算量大，而且数据准备工作复杂。基于人工神经网络的非线性映射功能，用RBF神经网络模型进行边坡稳定性影响因素敏感性分析，把正交表试验设计

2、理论、效用函数理论与神经网络结合起来进行边坡影响因素敏感性分析，给出了敏感性分析的具体算法并以圆弧破坏边坡为例进行了分析，并将分析结果与用传统理论分析所得结果进行比较，结果显示，用人工神经网络方法进行边坡稳定性影响因素敏感性分析不仅可靠，而且方便简单。关键词岩土力学，边坡稳定性，敏感性分析，RBF网络分类号TU457文献标识码A文章编号1000-6915(2004)16-2703-05SENSIBILITYANALYSISOFSLOPESTABILITYBASEDONARTIFICIALNEURALNET

3、WORKXiaYuanyou，XiongHaifeng(InstituteofCivilEngineeringandArchitecture，WuhanUniversityofTechnology，Wuhan430070China)AbstractThetraditionalsensibilityanalysesoftheaffectingfactorsforslopestabilityarebasedonplentyoftrialcalculationaccordingtothevariationofd

4、ifferentparameters.Thesemethodsneednotonlyplentyofcalculation，butalsocomplicateddatapreparation.Anewmethodofthesensibilityanalysisofaffectingfactorsforslopestabilityisproposed，usingRBFartificialneuralnetwork(ANN)modelaccordingtononlinearmappingfunctionofA

5、NN.CombiningtheperpendicularitylistwiththeoryofutilityfunctionandANN，theassessmentmodelissetuptoachievesensibilityanalysis.Comparedwiththeresultsobtainedbytraditionallimitbalanceanalysis，theresultbyproposedmethodisofvalidityandconvenience.Keywordsrockands

6、oilmechanics，slopestability，sensibilityanalysis，RBFnetwork坐标中绘出指标与这一因素变化的关系曲线，以此1前言类推，直到把所有不确定因素计算完，并比较指标随各因素的变化幅度，即变化幅度大的影响因素为在边坡工程中，影响因素的敏感性分析非常重敏感因素。要。常用的敏感性分析方法是首先选定指标，然后这种方法以一定的假设条件为前提，只能大致确定指标的影响因素及其变动范围。计算时，假定算出各因素对指标影响的大小，计算量大，数据准[1～3]其中一个因素变化而其他因

7、素都保持不变，在二维备工作复杂，并且在实际中，单一因素发生变2003年3月12日收到初稿，2003年4月26日收到修改稿。*国家自然科学基金(9902022)、霍英东教育基金(71018)和武汉市晨光计划项目(20005004036)联合资助课题。作者夏元友简介：男，1965年生，1986年毕业于武汉理工大学非金属矿系采矿工程专业，现任武汉理工大学土木工程与建筑学院教授、博士生导师，主要从事岩土工程方面的教学与研究工作。E-mail：xiayy1965@mail.what.edu.cn。•2704•岩石力

8、学与工程学报2004年化的情况是极少的，大多是多种因素共同变化，需Z2，⋯，Zn}是综合评价指标体系中的n个分指标，要进行组合计算。因此，本文基于人工神经网络的则评价指标矩阵X如下：非线性映射功能以及正交试验组合方法，用RBF神éX11X12LX1nT1ùêú经网络模型进行边坡稳定性影响因素敏感性分析，êX21X22LX2nT2ú不仅能考虑多种因素同时变化，而且大大地减少了X=êúêMú计算量，方法简便。êúXXLXTëm1m