决策树算法在土质边坡稳定性评价中的应用

摘要

长期以来，边坡稳定性分析与评价始终是岩土工程中的重要研究领域。从极限平衡法到当前广泛使用的不确定性分析法，研究者们针对其进行了大量研究。不同的方法从不同的角度对边坡的稳定性及相关问题进行了研究，如可靠性分析方法从数理统计的角度进行边坡稳定和失效的概率分析；极限平衡法从坡体极限状态的角度，建立静力平衡方程来进行边坡稳定性状态的求解；模糊综合评价法则从考虑信息的随机性和模糊性角度，运用模糊数学进行边坡的稳定性分析。但不同的方法有其各自的局限性。实际上，边坡工程是一个不断变化着的、开放的复杂巨系统。确定性计算不能很好地概括其复杂性，而大多非确定性计算方法，如学习向量量化神经网络，网络的预测精度往往与数据的差异性有关。因此，建立一个对样本数据要求低且通用性能好的边坡稳定性评价模型具有重要意义。
　　针对土质边坡稳定性影响因素易于量化且高度非线性的特点，本文将决策树算法引入到土质边坡稳定性评价中，形成了一种以决策树为基础的综合评价方法。具体包括：
　　(1)简要阐明了本文研究的意义，对国内外的土质边坡稳定性研究进行了总结。系统地阐述了常用的土质边坡稳定性的评价方法，并对其优缺点进行了分析和归纳。
　　(2)简要介绍了决策树的广泛运用。系统地阐述了常用的决策树分类算法，并进行对比分析，指出其各自的适用范围。论证了决策树分类器运用于土质边坡稳定性评价中的可行性。
　　(3)首次将决策树算法运用于土质边坡稳定性评价，建立了基于C4.5决策树算法的土质边坡稳定性评价模型。同时建立了基于LVQ神经网络、基于BP神经网络的土质边坡稳定性评价模型，对多种模型进行对比分析，证明了将决策树算法运用于土质边坡稳定性评价的优越性。

目录

封面

声明

中文摘要

英文摘要

目录

第1章 绪 论

1.1 研究的背景及现实意义

1.2 国内外的研究现状

1.3 本文主要研究内容和组织结构

第2章 土质边坡稳定性评价方法及影响因素分析

2.1 土质边坡稳定性评价方法

2.2 土质边坡稳定性影响因素分析

2.3 本章小结

第3章 决策树算法

3.1 决策树概述

3.2 常用的决策树分类算法

3.3 决策树的剪枝

3.4 本章小结

第4章 C4.5决策树算法在土质边坡稳定性评价中的应用

4.1 评价指标的选择

4.2 训练样本和预测样本的选择

4.3 模型的建立和结果评价

4.4 与其他分类方法的比较

4.5 本章小结

第5章 结论与展望

5.1 结论

5.2 展望

参考文献

附录

BP神经网络模型源代码

LVQ神经网络模型源代码

极限学习机模型源代码

作者攻读学位期间的科研成果

致谢