基于超越概率和rbf神经网络的边坡稳定性评价模型研究

《基于超越概率和rbf神经网络的边坡稳定性评价模型研究》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、ResearchonDigitizedModelwithanInfluencingFactorsEvaluationofSlopeStabilityBasedonExceedProbabilityandRBFNeuralNetworksMajor：GeotechnicalEngineeringDirectionofStudy：TheoryandpreventiontechnologyofgeologicalhazardpredictionGraduateStudent：MengzeYuSupervisor：Prof.HuimingBaoCollege

2、ofCivilEngineeringGuilinUniversityofTechnologySeptember,2010toApril,2013ii桂林理工大学硕士学位论文研究生学位论文独创性声明和版权使用授权书独创性声明本人声明：所呈交的论文是本人在导师指导下进行的研究工作及取得的研究成果。据我所知，除了文中特别加以标注和致谢的地方外，论文中不包含他人已经发表或撰写过的研究成果，也不包含为获得其它教育机构的学位或证书而使用过的材料。对论文的完成提供过帮助的有关人员已在论文中作了明确的说明并表示谢意。学位论文作者（签字）：签字日期：学位论文版权使用授

3、权书本学位论文作者完全了解(学校)有关保留、使用学位论文的规定，有权保留并向国家有关部门或机构送交论文的印刷本和电子版本，允许论文被查阅和借阅。本人授权(学校)可以将学位论文的全部或部分内容编入有关数据库进行检索，可以采用影印、缩印或扫描等复制手段保存、汇编学位论文。同时授权中国科学技术信息研究所将本学位论文收录到《中国学位论文全文数据库》，并通过网络向社会公众提供信息服务。（保密的学位论文在解密后适用本授权书）本论文是否保密：是否如需保密，保密期限为：学位论文作者签名：导师签字：签字日期：年月日签字日期：年月日iii桂林理工大学硕士学位论文摘要本文

4、在综述边坡稳定性评价方法的基础之上，以超越概率和人工神经网络理论为基础，评估了不同神经网络的优缺点和适用范围，选取RBF神经网络作为分析方法。将水文、地质、地形、地震作为边坡稳定性影响的主要因子，经过正交化和归一化后作为RBF神经网络的计算因子进行分析，选取35个样本进行训练和检验，建立了基于超越概率和RBF神经网络边坡稳定性影响因子评价的数字化模型。研究表明，超越概率能够有效的表征降雨对滑坡的影响，结合地震超越概率作为边坡稳定性评价的影响因子，能够保证数据的同步性和通用性。采用RBF神经网络用于边坡影响因子的评价，其分析介于定性化决策和定量化计算之

5、间，泛化能力强，在拥有足够的训练样本的情况下是一个能够广泛适用和推广的分析方法。该方法有着收敛快、结果科学可靠等优点；采用正交表法处理后的参数采用归一化处理，能够高效率的将不同维数不同量纲参数进行组合评估；对于因子的影响力分析表明岩土类别、生态系统和地形在所建立的模型中起到了较大的影响，其因子影响重要性排序为：地形>地质>生态环境>水文>地震。以样本8为例进行了因子影响度分析，通过对影响因子进行不同的加权后取得的安全系数的对比研究，认为该神经网络的学习过程是成功的，该网络能够有效对不同输入参数作出正确的响应。本文最后还讨论了RBF神经网络在边坡工程的

6、适用性和存在一些不足，如其隐藏单元数目的选择严重影响着试验结果、参数评估为多元拟合而与实际情况弱相关、神经网络模型中将其边坡中各个相互影响的因子划分为独立的研究因子的准确性等。所有这些问题仍需进一步研究以解决。本文在边坡稳定性影响因子的评价中将超越概率与RBF神经网络技术相结合，建立了基于超越概率和RBF神经网络的边坡稳定性评价模型，并用实例验证了该评价模型的适用性和准确性，为边坡稳定性影响因子的评价提供了一种有效的方法。关键词：边坡稳定性，RBF神经网络，影响因子，超越概率iAbstractWithaSummaryofevaluationmetho

7、dinslopestability,exceedprobabilityandartificialneuralnetworktheory,thispaperassesstheadvantagesofsomedifferentneuralnetworkandtheirscopeofapplication,andthenselectRBFneuralnetworkasananalyticalmethod.Choosinghydrology,geology,ecology,topographyandseismicasthefactoroftheimpacti

8、nslopestabilityandusingRBFneuralnetworktoanalysisthefa