黄土高边坡稳定性的智能化分析与预测

摘要

黄土地区的滑坡严重制约了当地的经济发展，为了减少滑坡灾害的损失，有必要进一步加强边坡稳定的分析预测研究工作。由于黄土的水敏性，黄土高边坡土体的稳定性主要受到坡体含水率的控制，如果能提前根据含水率的变化预测出边坡的安全系数和安全状态，就能及时采取有效的措施，避免不必要的损失。鉴于此，本文试图在综合考虑黄土边坡各种因素的基础上，建立相关模型，通过模拟坡体含水率的变化来预测黄土高边坡的稳定性，以期为黄土边坡失稳的及时防护提供依据。 选取具有典型代表的关中地区黄土高边坡为主要研究对象，从影响因素、稳定性预测、反演分析、系统开发四个方面进行深入研究，重点考虑含水率的影响，将多种智能方法耦合起来，并且将定性与定量分析方法相结合，同时充分利用计算机科学和人工智能科学的发展，进行边坡稳定性分析，以实现边坡工程研究的智能化。主要成果如下： (1)在系统分析黄土边坡失稳的多种影响因子的基础上，利用范数灰关联法定量地确定了各影响因子的权重系数，结果表明土体的重度、粘聚力、内摩擦角是其中最主要的影响因子，并且文献表明这三个因子受到边坡土体含水率的控制，据此提出了利用含水率来预测黄土高边坡稳定性。 (2)通过分析实验资料，得到w和c、φ、γ的关系，在图解法的基础上开发了自动查表程序，能够自动生成大量特征明显的边坡数据，为后续建模提供数据支持；基于改进的遗传神经网络，建立了由含水率预测黄土边坡稳定性的系统模型，并利用模型对训练样本和测试样本进行仿真，验证了模型在方法上的可行性和精度上的可靠性，从而形成网络知识库。通过两个不同初始状态的工程实例详细讨论了如何利用该模型进行分析预测，并与图解法的计算结果进行了比较，表明该预测模型具有广泛的适用性。 (3)基于MATLAB模糊工具箱，利用ANFIS对黄土高边坡的坡比进行了反演分析，并唯一地确定了ANFIS的前提参数和结论参数，解决了现有黄土边坡反演设计的神经网络方法反演结果不唯一的问题。用训练好的ANFIS模型对学习样本进行仿真，结果表明，误差在精度要求范围内，完全符合工程要求，可以为实际的边坡坡角的设计提供理论支持。 (4)将图解法子系统、遗传神经网络(包括神经网络)边坡分析子系统、MATLAB中内置的ANFIS分析子系统以及考虑含水率的边坡预测子系统加以集成，基于MATLAB图形用户界面(GUD)，开发出了黄土边坡智能分析系统V1.1，为实现边坡智能化预测作了一些积极的尝试。

目录

文摘

英文文摘

声明

第一章绪论

1.1黄土地区滑坡灾害及问题的提出

1.2选题的目的和意义

1.3边坡稳定分析研究现状

1.3.1定性分析法

1.3.2定量分析法

1.3.3非确定性分析法

1.3.4智能分析法

1.4研究内容、目标及拟解决的关键问题

1.4.1研究内容

1.4.2目标

1.4.3拟解决的关键问题

1.5技术路线

1.6本章小结

第二章黄土边坡稳定性影响因素分析

2.1黄土滑坡分布规律

2.2影响因素

2.2.1内在因素

2.2.2外在因素

2.3影响因素分析

2.3.1范数灰关联度

2.3.2黄土高边坡影响因子的灰关联度分析

2.3.3影响因子的权重系数及排序

2.4本章小结

第三章建模理论基础

3.1引言

3.1.1神经网络(NN，Neural Networks)

3.1.2遗传算法(GA，Genetic Algorithm)

3.1.3模糊集合理论

3.2神经网络

3.2.1神经网络的特点

3.2.2 BP神经网络

3.2.3 BP神经网络的LM算法改进

3.3遗传算法

3.3.1遗传算法的基本思想

3.3.2遗传算法的操作步骤

3.3.3基于实数编码的自适应加速遗传算法

3.4基于遗传算法的神经网络

3.4.1遗传神经网络流程图

3.4.2遗传神经网络的MATLAB实现

3.5自适应神经模糊推理系统(ANIFS)

3.5.1自适应神经网络

3.5.2模糊推理系统

3.5.3 ANFIS的原理及结构

3.5.4 ANFIS的训练结构

3.5.5 ANFIS的学习算法

3.6本章小结

第四章考虑含水率的预测模型研究

4.1建模思路

4.2数据的获取

4.2.1含水率对物理、力学参数的影响

4.2.2参数的分析与取值范围

4.2.3利用图解法生成样本

4.3 RAGA-BP网络知识库

4.3.1 BP神经网络的设计

4.3.2加速遗传算法的设计

4.3.3算法主要参数的设定

4.3.4模型的训练

4.3.5模型精度的评定

4.4考虑含水率的预测模型

4.4.1初始稳定的土坡

4.4.2初始破坏的土坡

4.5本章小结

第五章基于ANFIS的黄土高边坡反演设计

5.1引言

5.2反演设计问题的数学描述

5.3 MATLAB辅助ANFIS设计

5.4反演设计ANFIS模型的建立

5.4.1样本数据预处理

5.4.2模型的结构

5.4.3模型的训练

5.4.4 ANFIS训练后参数变化情况

5.4.5模型的检验

5.5本章小结

第六章基于Matlab GUI的图形界面开发

6.1图解法分析系统

6.1.1界面设计

6.1.2功能设计

6.2遗传神经网络分析系统

6.2.1界面设计

6.2.2功能设计

6.3 ANFIS反演分析子系统

6.3.1用户界面

6.3.2内置功能

6.4考虑含水率的边坡预测系统

6.4.1界面设计

6.4.2功能设计

6.5本章小结

第七章结论及展望

7.1结论

7.2展望

参考文献

致谢

作者简介