浅论滑坡加固方案优化的智能方法研究

《浅论滑坡加固方案优化的智能方法研究》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、中国科学院武汉岩土力学研究所硕士学位论文滑坡加固方案优化的智能方法研究姓名：尹顺德申请学位级别：硕士专业：岩土工程指导教师：冯夏庭20030601摘要滑坡加固方案的智能优化方法研究是一个崭新的研究领域，是当前交通建设和水电开发中亟待解决的重大课题。由于滑坡加固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，导致许多优化问题都是复杂的非线性问题，通常有多个决策变量，传统做法往往是凭设计者的经验获得。凭借智能岩石力学的分析方法和思想，本文以极限平衡法分析为基础，综合应用遗传算法、人工智能以及神经网络理论，提出了智能优化方法，并用于

2、三峡库区狮子包滑坡和木籽树坪滑坡防治工程的优化设计和分析，完成了以下工作：1．为克服传统人工神经网络的缺点，对一般神经网络进行了改进，得到精度较高的进化神经网络。2．利用此进化神经网络较准确地表达了滑坡加固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映射关系。3．将上述进化神经网络模型嵌入智能化搜索算法，提出了滑坡加固方案优化的进化神经网络方法，从而解决了大规模优化问题。4．综合以上方法编写了面向对象的滑坡加固方案智能优化程序，可以通过友好的的用户界面，较为方便和高效地实现优化来解决实际中的工程问题。5．将进化神经网络极限平衡

3、法应用于三峡库区狮子包滑坡和木籽树坪滑坡防治与优化设计研究，获得了最优设计参数。通过对最优解的极限平衡分析和工程预算计算结果分析表明该方法得到的最优方案是合理的。关键词：滑坡，加固，方案优化，神经网络，遗传算法STUDYOFTHEOPTIMIZATIONOFREINFORCEMENTSCHEMESFORLANDSLIDESUSINGHYBRIDINTELLIGENT．METHODSYinShundeSupervisedbyProf．FengXiatingItisveryimportanttostudyonthestabilityandopt

4、imizationatlandslide，whichiSanunresolvedproblemincurrenttransportationconstructionandhydroelectricdevelopment．TherelationshipbetweenthedesignparametersandslopestabilizationandprojectcostsiScomplex，whichcausemanyoptimizationproblemstobecomplicatednonlinearones．nlcreareusual

5、lyseveraltargetvariablesfortheproblems．Moreover,itiSusuallydifficulttoobtaintheglobaloptimalsolutionsofthedesignparametersquickly．Inthethesis，ahybridintelligentoptimizationmethodisproposed．InvirtueoftheanalyticalmethodandthoughtsofIntelligentRockMechanics．themethodpresente

6、dinthispaperiSbasedonlimitequilibriummethod(LEM)analysis，projectbudget，andcombinedwithgeneticalgorithms(GA)，artificialintelligenceandneuralnetworks(NN)．nlemethodiSappliedtooptimizethereinforcementschemeforShizibaoLandslideandMuzishupingLandslideattheThreeGorgereservoirzone

7、．Severalaspectshavebeenstudiedinthispaper,including：1．Toovercome也edisadvantagesoftraditionalneuralnetwork．thehiddenlayerstructureandleaningerrorsareoptimized；toovercome也eemciencyofthecomputation，theoptimizationprocessisrealizedonaparallelplat(RsmVPC)，SOanevolutionaryneural

8、networkiSobtainedemciently．2．Usingthisimprovedevolutionaryneuralnetwork，thecomplexrelatio