基于遗传算法滑坡防治方案优化的研究

《基于遗传算法滑坡防治方案优化的研究》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、武汉理工大学硕士学位论文基于遗传算法滑坡防治方案优化的研究姓名：何君莲申请学位级别：硕士专业：岩土工程指导教师：程康20041201摘要滑坡防治方案的优化研究是岩土工程领域中亟待解决的重大课题。围绕这个问题，工程技术研究人员开展了大量的研究工作，提出了许多优化设计方法。由于滑坡防治方案的设计参数和加固后的边坡稳定性和工程造价之间关系的复杂性，这就造成了滑坡方案优化问题是一个复杂的非线性问题。本文在利用极限平衡法和有限元法对滑坡进行稳定分析和评价的基础上，综合应用遗传算法和神经网络理论，建立了滑坡防治方案遗传优化模型，并用于西藏山南地区罗木得滑坡防治

2、工程的优化设计和分析，完成了以下工作：1．总结了现阶段国内外滑坡防治工程研究的现状，提出运用遗传优化研究滑坡工程设计行为的基本思想，开发出相应的滑坡工程遗传优化设计系统是完全可能的，也是很有意义的。2．介绍了遗传算法和人工神经网络理论，并对其进行改进，得到精度较高的进化神经网络。3．简要分析各种边坡稳定性分析方法的主要特征及其优缺点。建议在实际工程中，应根据边坡工程的具体特点及使用目的，最好能同时利用多种分析方法进行综合分析验证，力求得出一个更加客观、可靠、合理的评价结果。4．音Ⅱ析滑坡防治工程结构体系，探讨滑坡防治工程优化设计实现的途径。根据系统

3、工程的观点整体地、融合地分析滑坡防治的各类影响因素和体系结构，建立起滑坡防治工程系统优化的分析思想、优化原则和设计流程。5．基于滑坡防治工程系统分析和流程分析，建立滑坡防治优化设计分析模型和数学模型。6．利用进化神经网络较准确地表达了滑坡防治方案中设计参数与加固后滑坡的总体稳定性和工程造价之间的复杂的映射关系。将此模型嵌入遗传算法中，提出了滑坡防治方案优化的进化神经网络方法，构建滑坡防治遗传优化模型。7．根据西藏山南地区罗木得滑坡的地质勘测资料，分析研究该滑坡形成的特点和形成的条件，为优化整治措施提供设计依据；运用极限平衡法、有限元法(利用ANSY

4、S有限元分析软件)对滑坡进行稳定性分祈和评价；建立该滑坡方案优化的遗传算法分析模型。8．运用vC++语言设计、开发滑坡防治遗传优化设计软件系统，并应用于西藏山南地区罗木得滑坡防治优化设计研究中，获得了最优设计参数。结果表明该方法碍到的最优方案是合理的。关键词：滑坡，防治，方案优化，神经网络，遗传算法IIAbstractStudyOiloptimizationoftreatmentprojectsforslopesisalwaysallimportantsubjectthatneedstobesolvedurgentlyingee—technical

5、areas．Aboutthissubjectmuchresearchworkhavebeendoneandalotofoptimumdesignmethodswerepresented．Becauseofthecomplexityofrelationsamongdesignparametersoftreatmentprojects，stabilityofthetreatedslopesandprojectcost，optimizationoftreatmentprojectsisacomplex，nonlinearproblem．Basedonth

6、eslopestabilityanalysisandevaluationoflimitingequilibriummethodandfiniteelementmethod，ageneticoptimummodelinwhichgeneticalgorithmandartificialneuralnetworkareadopted．AndthismodelisusedtoperformstabilityanalysisandoptimumdesignoftreatmentprojectsofLuomudeslopeinthesouthre西onofm

7、ountaininTibet．Myworkcallbecone：Iudedasbelow,1．Summarizetheadvancesintreatmentproiectsandpresentthebasicthoughtadoptinggeneticoptimizationtodesignslopetreatmentengineering．Developingthegeneticoptimumdesignsystemonslopeengineeringispossibleandsignificant．2．Theoryongeneticalgori

8、thmandartificialneuralnetworkiSintroduced．Andimprovetheiralgo