自适应神经模糊推理方法用于边坡稳定性分析的研究

《自适应神经模糊推理方法用于边坡稳定性分析的研究》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、西安建筑科技大学硕士学位论文自适应神经模糊推理方法用于边坡稳定性分析的研究专业：岩土工程硕士生：尚正祥导师：韩晓雷教授摘要边坡分析理论经过近几十年的发展，基本形成了完善的体系。较为典型的边坡分析方法主要有极限平衡法，极限分析法，有限元法等。由于影响边坡稳定的因素复杂且具有随机和模糊特性，传统方法在使用时具有其局限性。本文基于最近发展起来的自适应神经模糊推理系统的原理，研究了一种新的边坡稳定分析方法，对边坡工程的理论研究和工程实践具有一定的现实意义。本文比较系统的阐述了自适应神经模糊推理系统的基本原理，并对该方法用于边坡稳定性分析的可

2、行性进行了论述。建立了边坡稳定性分析的自适应神经模糊分析模型，并利用边坡工程的失稳及稳定实例对模型进行了训练，利用测试数据对模型的拟和能力和预测能力进行了测试。计算分析表明，训练后的模型对评价边坡的稳定性具有较好的适应性。，针对边坡工程自身的特点，本文对运用自适应神经模糊推理系统进行边坡稳定性分析时，如何选择数据集，如何得到最优化的网络结构进行了较为深入的研究。在训练数据集的选择、输入输出隶属函数的类型和个数的确定、输入空间区域的划分方法选择等方面提出了一些原则性的意见。所得到的结论对该方法在工程实践中的推广运用能起到一定的推动作用

3、。关键词：土坡稳定极限平衡法自适应神经模糊推理系统网络结构(本论文得到了国家重大基础理论研究(973项目)前期研究专项“黄土地区重大岩土工程环境灾害研究及其在西部大开发中的应用”(编号为2002CCC00200)的资助)j。2西安建筑科技大学硕士学位论文ResearchonSlopeStabilityAnalysiswiththeAdaptiveNeuralFuzzyInferenceMethodSpecialty：GeotechnicalEngineeringStudent：ShangZhengxiangInstructor：Ha

4、nXiaoleiAbstractThroughdecadesofdevelopment，theanalysistheoriesaboutslopestabilityhavegenerallyformedarelativelyperfectsystem．Thetypicalmethodsarethelimitequilibriummethod，thelimitanalysismethodandFEM．Butthetraditionalmethodsmaymeetdifficultiesbecausethefactorswhichaff

5、ecttheslopestabilityarerandomandfuzzyvariables．Thispaperdoessomestudyonanewmethodbasedontheprincipleofadaptiveneuralfuzzyinferencesystem．Ithascertainsignificancetothetheoryresearchandengineering．Inthispaper,themaintheoryofadaptiveneuralfuzzyinferencesystemisexpressedsy

6、stem，anditfeasibilitytoevaluatetheslopestabilityisshowed．Theadaptiveneuralfuzzyinferencemodelisestablishedfortheestimationofslopestability,andthecasesofstableandfailureslopesareusedtotrainthenetwork．Thetestingdataisusedtotestthefittingandgeneral-predictioncapabilityoft

7、hetrainedmodel．Theresultindicatesthatthetrainedmodelispracticalfortheestimationofslopestability．Thispaperalsodoessomedeeplystudyonhowtochoosethetrainingdata，andhowtogainthebestnetworkstructurewhenusingtheadaptiveneuralfuzzyinferencesystemtoestimatethestabilityoftheslop

8、e．Someprincipleadvicesaregivenonthechoiceoftrainingdataandmembershipfunctions．Theresultmayhavesomeeffectonpromotethis