基于HGA-ANN驱动边坡稳定评价T-S型模糊推理系统

摘要

边坡工程的分析评价会因人脑在思维判断上存在的模糊性,而导致整个分析和设计过程带有一定的模糊不确定性。因此,边坡工程实际上是一个动态的、模糊的、开放的复杂非线性系统,传统的分析方法有时难以对复杂边坡的稳定性做出符合实际的评价。模糊方法和人工神经网络(ANN)都已分别用于边坡稳定性评价中,此2种方法具有很多优点,但也存在各自的局限性。采用人工神经网络(ANN)模型构建T-S型模糊推理系统,利用混合遗传算法(HGA)训练ANN模型,得到了基于混合遗传算法人工神经网络驱动的T-S型模糊推理系统模型,探讨了该模型在边坡稳定性评价中的应用。根据广泛收集的80个边坡实例,建立了一个由HGA-ANN驱动的评价边坡稳定性的T-S型模糊推理系统模型。对实际边坡预测结果表明,该模型的预测精度明显高于目前同类方法。