基于T-S模糊神经网络的边坡稳定性评价

基于T-S模糊神经网络的边坡稳定性评价

ID:36618851

大小:339.88 KB

页数:5页

时间:2019-05-13

基于T-S模糊神经网络的边坡稳定性评价_第1页
基于T-S模糊神经网络的边坡稳定性评价_第2页
基于T-S模糊神经网络的边坡稳定性评价_第3页
基于T-S模糊神经网络的边坡稳定性评价_第4页
基于T-S模糊神经网络的边坡稳定性评价_第5页
资源描述:

《基于T-S模糊神经网络的边坡稳定性评价》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、第37卷,第2期公路工程Vo1.37,No.22012年4月HighwayEngineeringApr.,2012基于T—S模糊神经网络的边坡稳定性评价袁海清。,傅鹤林,李文博(1.湖南省大岳高速公路建设开发有限公司,湖南岳阳414000;2.中南大学,湖南长沙410075)[摘要]边坡的稳定具有模糊性。基于模糊数学和神经网络理论,建立了边坡分定性分析的T—S模型,并结合具体工程进行了应用。研究表明:T—S模糊神经网络分析模型具有较好的适应性和应用性,对于边坡稳定性分析是一种较好的方法。[关键词]模糊数学;神经网络;模型;边坡稳定性;评价[中图分类号]U41

2、6.14[文献标识码]A[文章编号]167.4—0610(2012)02—0128—05SlopeStabilityEvaluationBasedonT—MFuzzy—NeutralNetYUANHaiqing,FUHelin,LIWenbo(1.DayueConstructionCompanyofExpresswayohHunanProvince,Yueyang,Hunan414000,China;2.CentralSouthUniversity,Changsha,Hunan410075,China)[Abstract]Theslopestabilityh

3、asfuzzy.OnthebaseofFuzzyandneutralnettheory,theT—Smodeltoanalyzetheslopestabilityisestablished,andsuccessfullyappliedinacase.Theresearchshows:T—Smodelhasgoodfitfulandapplication,isannewapproachforslopeanalysis.[Keywords]fuzzy;neutralnet;model;slopestability;evaluation和正态函数等。1T—S模糊神

4、经网络理论基础1.2T—S模糊模型1.1模糊数学理论基础T—S模糊系统是一种自适应能力很强的模糊系模糊集合论是一门用清晰的数学方法去描述、统,该模型不仅能自动更新,而且能不断修正模糊子研究模糊事物的数学理论。德把经典集合里特征函集的隶属函数。T—s模糊系统用“if—then”规则形式数的取值范围由{0,1}扩充到闭区间[0,1]上,认为来定义,在规则为R‘的情况下,模糊推理如下:一个事物属于某个集合的特征函数不仅只取0或R‘:If1isAI,2isA2,⋯,xkisAthen1,而是可以取0到1间的任何数值,即一个事物属Yi=p+p:+⋯+p(2)于某个集合

5、的程度,可以是0到1间的任何值,于是式中:A:为模糊系统的模糊集;p:(.『=l,2,⋯,k)为便提出了如下的模糊集合定义。模糊系统参数;y为根据模糊规则得到的输出,输入在模糊集合涉及的数值范围上,给定了一个映部分(即部分)是模糊的,输出部分(即then部分)射:是确定的,该模糊推理表示输出为输入的线性组合。A:一[0,1],j()(1)假设对于输入量=[,,⋯,],首先根据模糊规则计算各输入变量’的隶属度。则称集合A为论域U上得模糊集合或模糊子集;用j()表示u中各个元素属于集合A的程gAexp(一(一;)/6;)=1,2⋯,k;i=1,2,⋯,n(3)度

6、,称为元素属于模糊集合的隶属函数。当式中:c:,6:分别为隶属度函数的中心和宽度;k为输是一个确定的元素8时,称j()为元素口对模入参数数,n为模糊子集数。糊集合A的隶属度。将各隶属度进行模糊计算,采用模糊算子为连模糊隶属度函数一般包括三角函数、梯形函数乘算子。[收稿日期]2012—02—20[作者简介】袁海清(1965一),男,湖南醴陵人,高级工程师,主要从事高速公路建设与管理工作。第2期袁海清,等:基于T—S模糊神经网络的边坡稳定性评价129=gA;(。)~gA(:)⋯()不稳定:边坡处在蠕动变形阶段,随时可能发生大的i=1,2,⋯,n(4)破坏。根据已

7、有的研究结果以及国家规范标准,遵根据模糊计算结果计算模糊模型的输出值Yi。循重要性、独立性和易测性的y原则,同时考虑实际工dnn程经验,最后选取8个主要的—作用因素,见表1。Y∑∞(P+

8、p1i。+⋯pi)/∑(5)表1作用因素等级表=l:lTable1Degreeoff∞unctionelements1.3T—S模糊神经网络,,/T—S模糊神经网络分为输入层、模糊化层、模糊∑㈦规则计算层和输出层四层。输入层与输人向量连接,节点数与输入向量的维数相同。模糊化层采用0隶属度函数Z对输入值进行模糊化得到模糊隶属度值。模糊规则计算层采用模糊连乘公式2计算得粘聚力/

9、地表水体日最大降雨量/最大地震到。输出层采用3计算模

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。