基于剩余推力法与BP神经网络的玄武岩残坡积土公路边坡稳定性预测

摘要

采用剩余推力法与BP神经网络,以贵州省毕节地区宋阴公路K5+170~K5+220段玄武岩残坡积土边坡作为工程研究对象,对该边坡稳定性展开了计算和预测。选取现场实测剖面作为计算剖面,设置4个计算工况,由剩余推力法得到边坡天然状态(工况1)稳定性系数为1.085 1,当边坡处于16m地下水位+暴雨(工况2)、16m→8m地下变化水位(工况3)和16m→8m地下变化水位+暴雨(工况4)时,边坡稳定性系数均小于1。边坡稳定性敏感因素分析显示,滑带土黏聚力敏感系数平均值为15.9%,内摩擦角为48.3%,地下水位为34.0%,表明滑带土内摩擦角对边坡稳定影响最大,其次是地下水位。选择同一路段其他玄武岩残坡积土滑坡作为训练样本,通过Matlab神经网络ANN工具箱分步骤设计了BP网络,选择加动量学习速率自适应traingdx函数作为训练函数,采用多次预测求均值的方法获取预测结果。BP神经网络预测结果表明,边坡工况1的稳定性系数平均值为1.095~1.139,工况3为0.988~1.021,考虑到暴雨对边坡坡稳定性的影响,工况4时边坡可能发生滑动破坏。神经网络各次预测结果之间误差较大,最大达到45.87%,但求均值后的BP神经网络预测结果与剩余推力计算结果的相对误差大大降低,仅为0.4%~5.2%。将BP网络的输入参数减少为5个后,预测精度反而较高,表明黏聚力、内摩擦角、坡高、坡角、湿重度等因素对边坡稳定性有着实质性的影响,其他因素影响权重则较低。