下载

1下载券

加入VIP
  • 专属下载特权
  • 现金文档折扣购买
  • VIP免费专区
  • 千万文档免费下载

上传资料

关闭

关闭

关闭

封号提示

内容

首页 _边坡稳定性影响因素敏感性人工神经网络分析__FONT_

_边坡稳定性影响因素敏感性人工神经网络分析__FONT_.pdf

_边坡稳定性影响因素敏感性人工神经网络分析__FONT_

征峻
2013-01-14 0人阅读 举报 0 0 暂无简介

简介:本文档为《_边坡稳定性影响因素敏感性人工神经网络分析__FONT_pdf》,可适用于工程科技领域

第卷第期岩石力学与工程学报():~年月ChineseJournalofRockMechanicsandEngineeringAug年月日收到初稿年月日收到修改稿。*国家自然科学基金()、霍英东教育基金()和武汉市晨光计划项目()联合资助课题。作者夏元友简介:男年生年毕业于武汉理工大学非金属矿系采矿工程专业现任武汉理工大学土木工程与建筑学院教授、博士生导师主要从事岩土工程方面的教学与研究工作。Email:xiayymailwhateducn。边坡稳定性影响因素敏感性人工神经网络分析*夏元友熊海丰(武汉理工大学土木工程与建筑学院武汉)摘要传统的边坡稳定性影响因素敏感性分析基本上都是基于各参数变化的大量试算分析这样不仅计算量大而且数据准备工作复杂。基于人工神经网络的非线性映射功能用RBF神经网络模型进行边坡稳定性影响因素敏感性分析把正交表试验设计理论、效用函数理论与神经网络结合起来进行边坡影响因素敏感性分析给出了敏感性分析的具体算法并以圆弧破坏边坡为例进行了分析并将分析结果与用传统理论分析所得结果进行比较结果显示用人工神经网络方法进行边坡稳定性影响因素敏感性分析不仅可靠而且方便简单。关键词岩土力学边坡稳定性敏感性分析RBF网络分类号TU文献标识码A文章编号()SENSIBILITYANALYSISOFSLOPESTABILITYBASEDONARTIFICIALNEURALNETWORKXiaYuanyouXiongHaifeng(InstituteofCivilEngineeringandArchitectureWuhanUniversityofTechnologyWuhanChina)AbstractThetraditionalsensibilityanalysesoftheaffectingfactorsforslopestabilityarebasedonplentyoftrialcalculationaccordingtothevariationofdifferentparametersThesemethodsneednotonlyplentyofcalculationbutalsocomplicateddatapreparationAnewmethodofthesensibilityanalysisofaffectingfactorsforslopestabilityisproposedusingRBFartificialneuralnetwork(ANN)modelaccordingtononlinearmappingfunctionofANNCombiningtheperpendicularitylistwiththeoryofutilityfunctionandANNtheassessmentmodelissetuptoachievesensibilityanalysisComparedwiththeresultsobtainedbytraditionallimitbalanceanalysistheresultbyproposedmethodisofvalidityandconvenienceKeywordsrockandsoilmechanicsslopestabilitysensibilityanalysisRBFnetwork前言在边坡工程中影响因素的敏感性分析非常重要。常用的敏感性分析方法是首先选定指标然后确定指标的影响因素及其变动范围。计算时假定其中一个因素变化而其他因素都保持不变在二维坐标中绘出指标与这一因素变化的关系曲线以此类推直到把所有不确定因素计算完并比较指标随各因素的变化幅度即变化幅度大的影响因素为敏感因素。这种方法以一定的假设条件为前提只能大致算出各因素对指标影响的大小计算量大数据准备工作复杂~并且在实际中单一因素发生变••岩石力学与工程学报年化的情况是极少的大多是多种因素共同变化需要进行组合计算。因此本文基于人工神经网络的非线性映射功能以及正交试验组合方法用RBF神经网络模型进行边坡稳定性影响因素敏感性分析不仅能考虑多种因素同时变化而且大大地减少了计算量方法简便。基于神经网络的因素重要性分析方法所谓参数敏感性分析就是先设定一系统系统特性为F=f(xx…xn)(xi为参数)给定某一基准状态X'=(x′x′…nx′)系统特性为F'=f(X')令各参数在可能的范围内移动分析参数的变化对F的影响程度。在实际系统中决定系统特性的各参数是不同的物理量单位各不相同。为了比较系统中各参数对系统特性的影响需要对参数作无量纲处理绘制∆FF′─∆xixi'(i=…n)曲线。曲线斜率的绝对值定义为敏感度系数敏感度系数是反映各参数对系统特性的影响程度。敏感系数越大说明参数对系统特性影响越大。在边坡稳定性分析中安全系数F是判别边坡稳定性的主要指标因此将其作为系统特性。对于圆弧破坏边坡其稳定性影响参数可设为容重、内摩擦角、粘聚力、边坡角、边坡高度、孔隙水压力比。输入数据的归一化处理边坡稳定性受多种因素的影响在分析各影响因素时由于各分指标具有不同的量纲且类型不同故指标间具有不可共度性难以进行直接比较因此在综合评价前必须把这些分指标按某种效用函数归一化到某一无量纲区间。显然构造不同的效用函数将会直接影响最终的评价结果因此效用函数的构造十分重要。目前效用函数大多采用区间方法。这种转换方法存在下面个问题:()有效转换区间缩短为ab且>b>a>()当出现次最小值远大于最小值时实际有效转换区间将进一步大大缩短会严重影响转换精度()区间方法在评价中不能体现“奖优罚劣”原则(所谓罚是指对低于平均水平的分指标其转换后功效函数应为负数)。因此本文采用新的归一化效用函数将不同量纲的原始评估值转换到-区间同时尽可能将指标值转换成与评估目标成线性关系的值使其能更好地体现“奖优罚劣”。设P={PPPn}是评估对象集Z={ZZ…Zn}是综合评价指标体系中的n个分指标则评价指标矩阵X如下:X=⎥⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎢⎣⎡mmnmmnnTXXXTXXXTXXXLMLL式中:Xij代表第j个评估对象的第i个分指标值。记第j个分指标Zj的平均值为jZjZ=mXmiij⎟⎟⎠⎞⎜⎜⎝⎛∑=(j=…n)。对效益型指标记中间变量Mij=jjijZZX−则将原始指标值按下式转换到-区间上其效用函数值为Xij=ijijMM−−−ee()RBF神经网络及其学习算法RBF网络是一类非常有效的多层前馈网络其神经元基函数具有仅在一局部小范围内才产生一有效的非零响应的局部特性因而可以在学习过程中获得高速化。在RBF网络中隐层神经元可用高斯函数描述如下:)(expnjcxjjL=⎟⎟⎠⎞⎜⎜⎝⎛−−=∑βφ()()βφjjcxf−=()式中:β为分布常数作用是调节高斯函数神经元的敏感程度其值过大或太小都会影响辨识效果。对于该值的选择目前常根据经验确定。高斯函数可用图来表示。图高斯函数FigGaussfunction典型的具有n个输入和一个输出的RBF网络结-xf(x)第卷第期夏元友等边坡稳定性影响因素敏感性人工神经网络分析••构如图所示此网络实现了如下表达式:图RBF网络结构图FigDiagramofRBFnetworkstructure()jjnjjiijibcxwyξβΦ−=∑=c)(niL=()式中:nnRxxx∈=T)(LX为输入向量yi为第i个输出单元的输出值wij为第i个RBF隐神经元到第j个输出单元的权值•为欧氏范数)(⋅Φ为式()所示的非线性传递函数(RBF基函数)njRc∈(≤j≤nc)为RBF的中心β为分布常数nc为中心的个数。训练算法首先选择输入向量的子集作为RBF传递函数的初始权值向量然后从一个神经元开始每迭代一步增加一个RBF神经元并采用正交最小二乘法(OLS)找出最恰当的输入向量来增加RBF的权值向量。每一步计算出目标向量与RBF网络学习输出向量间的误差平方和当达到设置的误差指标或达到最多神经元个数时训练结束。正交试验设计理论正交试验设计是利用规格化的正交表来设计试验方案的科学的多因素优选方法。这种方法一般分为同位级正交表和混合位级正交表两种形式。前者各因素变化水平个数一样多后者则水平个数不同。后者的优点是可以根据经验把认为重要一些的因素安排较多水平来增加试验次数。正交试验设计原理为:()均衡分散性。均衡分散性是指正交表安排的试验方案均衡地分散在配合完全的位级组合的方案之中具有代表性容易选出优秀方案和可能最优方案。()整齐可比性。整齐可比性是指对于每列因素在各个位级导致的结果之和中其他因素的各个位级出现次数都相同。在比较某一因素的几个位级选取优秀位级时其他因素的各个位级出现了相同的次数。这就最大限度地排除了其他因素的干扰使这一因素的几个位级之间具有了可比性。通过正交表可以显著减少试验的次数同时所进行的试验又能帮助认识系统的内在规律。因此它是进行多因素敏感性分析的有力工具。对于试验后的各因素敏感性分析可以采用极差分析得出结果而若想对各个实验结果做综合评价则可采用排队综合评分法和加权综合评分法。基于神经网络的边坡稳定性影响因素的敏感性分析本文确定的因素位级数为因素个数为个即分别为容重、内摩擦角、粘聚力、边坡角、边坡高度、孔隙水压力比。因素位级表见表。选用正交表L()见表。表因素位级表TableVariationtableoffactor位级容重γkN·m-粘聚力ckPa内摩擦角ϕ(°)边坡角ψ(°)边坡高度Hm孔隙水压力比μ------------表正交表L()TablePerpendicularitylist试验号容重粘聚力内摩擦角边坡角度边坡高度孔隙水压力比••岩石力学与工程学报年表中后列分别为影响边坡稳定性的个指标在本表中的排列顺序是任意的。应用实例本例选取文中个实例用来完成神经网络的学习。神经网络结构为RBF网络自动选择网络经过步学习收敛误差达到的精度误差随训练次数变化的曲线见图。图RBF网络学习的过程FigStudyprocessofRBFnetwork显然通过这些样本的学习神经网络中已经储存了样本所包含的内在非线性映射关系。已经确定了各输入、输出层间的权重和阈值。问题描述:某边坡其土样容重为kNm粘聚力为kPa内摩擦角为°边坡角为°边坡高度为m孔隙水压力比μ为。对其基本数据进行表中的位级变化并组合形成表中的个试验样本。用上述训练好的RBF神经网络对这个样本分别进行试验得结果如表所示。表正交试验结果表TableListoftheperpendicularityexperiment试验号F试验号F试验号F试验号F试验号F将每个因素相同水平的次试验结果求平均就可以得到每个因素在不同水平情况下各个指标的平均值对同一因素不同水平的指标求最大与最小值之差即可得到该因素变化所对应的级差如表所示。表正交试验结果汇总表TableSummarizinglistoftheperpendicularityexperiment第m位级(平均值)γkN·m-ckPaϕ(°)ψ(°)Hmμ级差级差顺序试验结果表明本实例边坡稳定性的主要影响因素为内摩擦角、粘聚力以及容重其他为次要影响因素。将本计算结果与用传统方法所得结果进行分析比较。根据工程经验对边坡稳定性影响较大的有内摩擦角、粘聚力、边坡角度以及容重。本实例采用简化Bishop法对上述者进行敏感性分析并排序计算得每一因素变化对应的最小安全系数变化值见表。表单因素变化对应的最小安全系数值TableVariationofsinglefactoraccordingtothesafetycoefficientckPaFγkN·m-Fϕ(°)Fψ(°)F由表的结果可以得出:内摩擦角ϕ的敏感性远远高于粘聚力c、容重γ和边坡角度ψ粘聚力c的敏感性略高于容重γ的敏感性粘聚力c和容重γ的敏感性均远高于边坡角度ψ的敏感性。这与人工神经网络正交分析的结果相符合。比较结果表明本文所介绍的方法准确可靠。结论本文采用RBF神经网络和正交试验设计相结合能很好地实现边坡稳定性影响因素的敏感性分训练次数误差第卷第期夏元友等边坡稳定性影响因素敏感性人工神经网络分析••析其分析结果与实际是相符合的。采用RBF人工神经网络进行边坡影响因素敏感性分析其计算过程方便、简捷计算结果准确可靠。采用正交表设计试验大大减少了试验次数降低了计算工作量同时所设计的试验又能从本质上反映事物内在的规律提高了工作效率。本文研究对象仅限于均质土坡对于复杂土坡需进一步研究。参考文献陈谦应堤坡可靠性设计极限状态方程及参数敏感性分析J岩土力学():~谭晓慧平面滑动边坡的可靠度计算及敏感性分析J安徽地质():~张艳红杜修力结构可靠度对系统参数敏感性分析的简便算法J同济大学学报():~SahNKSheoreyPRUpadhyayaLNMaximumlikehoodestimationofslopestabilityJIntJRockMechMinandGeomechAbstr():~戴文站基于三层BP网络的多指标综合评估方法及应用J系统工程理论与实践():~楼顺天施阳基于Matlab的系统分析与设计神经网络M西安:西安电子科技大学出版社ZhengGLBillingsSteveARadialbasisfunctionnetworkconfigurationusingmutualinformationandtheorthogonalleastsquaresalgorithmJNeuralNetworks():~马希文正交设计的数学理论M北京:人民教育出版社冯夏庭智能岩石力学导论M北京:科学出版社CaiJGZhaoJHudsonJAComputerizationofrockengineeringsystemusingneuralnetworkswithanexpertsystemJRockMechRockEngng():~《长江三峡库区移民迁建新址重大地质灾害及其防治研究》一书由殷跃平编著地质出版社年月出版开本万字页精装本定价元。该书对三峡工程移民迁建区地质灾害问题及防治进行了系统的研究。全书共篇章涉及库区滑坡类型及防治、边坡结构及加固、库岸坍塌及防护、工程弃渣及加筋土处置技术、大型崩滑塌堆积体成因及开发利用、岩溶及岩溶地质灾害、易滑地层工程地质特征、库区人防硐室诱发塌陷灾害、地质灾害风险评估系统等。第篇对三峡库区滑坡的基本特征、关键问题及滑坡治理设计与施工进行了研究和防治技术方法示范。第篇系统地研究了三峡库区边坡结构类型对典型边坡变形破坏过程及防护进行了计算机模拟结合移民迁建工程研究了适合库区边坡防护的技术并进行了示范。第篇对库区岩坡进行了系统调查和地质结构分类选择奉节新城库岸作为典型岸段考虑水库水流和坡体地下水作用下进行了稳定性研究。第篇对库区利用加筋土挡墙处置加固工程弃渣并增加建设用地进行了研究。第篇探讨了库区重大区域性地质灾害和工程地质问题对三峡库区大型崩滑塌堆积体(坠覆体)成因机制与工程改性问题、三叠系中统巴东组易滑地层工程地质特征及工程改造问题、岩溶及岩溶地质灾害重点城镇人防硐室诱发地质灾害问题等区域性地质灾害和工程地质问题进行了研究。第篇研究了滑坡灾害的空间预测并以巴东新城为典型地段开展了GIS~based的滑坡灾害风险区划。该书读者对象:相关部门的工作人员、有关院校的师生与科研院所的科技人员。《基于有限元软件ANSYS的结构分析》一书由张胜民编著清华大学出版社年月出版开本万字页定价元。该书详细介绍了基于通用有限元软件ANSYS进行结构分析的方法和技巧回答了读者在使用ANSYS进行结构分析时迫切需要解决的各类问题。对于各类结构分析问题书中都进行了深入的剖析和讲解给出了详尽的解题思路和解答过程。该书的读者对象为ANSYS初学者科研工作与工程设计人员。新书简介

用户评价(0)

关闭

新课改视野下建构高中语文教学实验成果报告(32KB)

抱歉,积分不足下载失败,请稍后再试!

提示

试读已结束,如需要继续阅读或者下载,敬请购买!

文档小程序码

使用微信“扫一扫”扫码寻找文档

1

打开微信

2

扫描小程序码

3

发布寻找信息

4

等待寻找结果

我知道了
评分:

/5

_边坡稳定性影响因素敏感性人工神经网络分析__FONT_

VIP

在线
客服

免费
邮箱

爱问共享资料服务号

扫描关注领取更多福利