论文部分内容阅读
边坡稳定性的神经网络评价方法是边坡稳定性分析中的一种重要方法，该方法在工程实际中得到广泛的应用。因此，对网络性能的改进和优化具有现实的理论意义和实践意义。本文在前人成果的基础上，通过仿真计算与工程实际相结合的方法，对BP网络在边坡稳定性中的评价进行了较为全面的研究，本文主要研究内容如下: (1)基于FLAC软件对边坡稳定性影响因素的分析，定量研究了坡高、坡角、黏聚力，内摩擦角等因素与稳定性系数之间的关系。并结合文献资料定性选探讨了地质地貌、地质构造等因素对稳定性的影响。选择出影响比较显著的因素。引入主成份分析原理，对样本数据进行分析，算出各主成分的贡献率和各主成份向量，并计算出变换后的样本数据。 (2)基于改进的粒子群优化算法(PSO)算法对BP网络的初始权值和阀值进行优化，再由BP网络对样本进行训练，编写了四阶差分PSO算法优化的BP网络程序，并进行验证，结果表明BP网络的改进模型较BP模型更合理;对BP网络的改进模型进一步优化，对比分析了考虑样本所有信息和部分信息者两种网络模型的优劣，确定了最优的网络评价模型。 (3)基于最优网络评价模型的边坡工程实例计算，并用FLAC软件对边坡建模计算，对比了二者的计算结果，验证了该模型的实用性。