粗集理论(Rough Set)作为智能信息处理技术的一个新成果,是由波兰科学家Z.Pawlak教授提出来的对不完整数据进行分析、推理、学习、发现的新方法。根据粗集理论的方法,数据挖掘就是给定知识表达系统的条件属性和结果(决策)属性,求出所有符合该知识的最小决策算法。 数据挖掘的实施是从大量的、不完全的、有噪声的、模糊的、随机的数据中,提取隐含在其中,人们事先并不知道,但又是潜在有用的信息和知识的过程。但众所周知,基于人工方法获取专家经验的专家系统,其知识获取是个“瓶颈”问题,而对于象边坡工程这样复杂的系统,其知识获取将更是一件不容易的事;神经网络系统虽然其网络模型很多,但大多都有一定的适应范围和局限性。因此,针对边坡安全性评价这类复杂问题,需要多种方法和途径的互补,才能达到预期的目的。 本文就人工边坡和自然边坡中的灾害性滑坡,结合边坡数据库中大量边坡灾害的历史数据,采用基于粗糙集理论的数据挖掘技术及分析方法,综合挖掘出边坡发生灾害性活动的内在规律,使得大量宝贵的历史数据在进行现阶段以及将来的工程分析中得以最充分的利用。这样不仅解决了“将分散的信息变成集中的信息,使孤立的信息变成相互联系的信息,使无价值的数据变成有价值的信息”等技术难题;同时也使得边坡安全的综合评价工作能结合历史数据与当前数据,故结果更加符合工程实际。 本文在数据挖掘结果的基础上建立了边坡安全的风险分析模型,通过定性和定量分析,实现对边坡风险本身的自然特性、灾害后果、不确定因素的类型以及它们对决策过程的影响进行综合研究,并得出精确合理的预测结果,达到了对边坡实施安全评价的目的。