论文部分内容阅读
降雨是导致边坡失稳的一个主要诱因。降雨入渗会使边坡含水率增加,导致土体自重增大、抗剪强度参数减小,从而影响边坡稳定性。由于降雨条件下土体重度、粘聚力以及内摩擦角的多变性与边坡失稳机理的复杂性,不少学者将非线性映射能力较强的BP神经网络成功应用于边坡稳定性预测并取得了较丰富的研究成果。然而,传统BP神经网络收敛速度慢、泛化能力弱等缺陷导致复杂边坡稳定性问题预测结果欠理想,需进一步改进该方法以提高预测精度和效率。 本文首先采用了遗传算法与LM算法改进BP神经网络性能;然后依据改进BP神经网络算法的实现流程,编制了相应的计算程序,并采用两个边坡算例对程序进行了考证;最后以湘祁枢纽二线船闸边坡工程为背景,采用GA-LM-BP神经网络对降雨条件下典型工程边坡稳定性进行了预测研究。具体研究工作与结论如下: (1) BP神经网络及改进算法。介绍了BP神经网络结构及其算法推导过程以及参数选取,并针对BP神经网络的缺陷采用遗传算法与LM算改进网络性能。 (2)改进BP神经网络算法的程序实现与考证。首先对BP神经网络及改进BP神经网络的算法步骤进行了介绍;然后基于MATLAB软件平台对上述算法的实现进行程序编写;最后以两个边坡算例为基础,对各类程序进行了考证,结果表明程序可靠且基于GA-LM算法的BP神经网络相比传统BP神经网络和仅采用其中一种方法改进的BP神经网络能更快收敛且预测精度更高。 (3)工程应用。以湘祁枢纽二线船闸粉质黏土边坡为背景,采用GA-LM-BP神经网络建立了以坡高、坡角、日降雨量及降雨历时为输入,边坡安全系数为输出的预测模型;然后利用正交法进行方案设计,并采用Geostudio中的SEEP/W与SLOPE/W模块计算降雨条件下土体重度与抗剪强度参数变化后的边坡安全系数,以此作为边坡稳定性预测模型的样本数据;最后对预测模型进行训练与检验,并将其用于降雨条件下施工期典型工程边坡安全系数预测中,快速获得了各工程边坡安全系数随降雨强度、降雨历时的演化规律,与实际边坡安全系数随降雨强度、降雨历时变化规律吻合,证实该模型具有一定的可靠性与合理性。在湘祁工程后续施工过程中,可以采用该预测模型根据开挖坡比、施工进度、降雨强度与时长对边坡安全系数进行实时预测并快速得到预测结果,为边坡开挖施工期防护措施采用及安全建设提供了技术支持。