论文部分内容阅读
黄土地区的滑坡严重制约了当地的经济发展,为了减少滑坡灾害的损失,有必要进一步加强边坡稳定的分析预测研究工作。由于黄土的水敏性,黄土高边坡土体的稳定性主要受到坡体含水率的控制,如果能提前根据含水率的变化预测出边坡的安全系数和安全状态,就能及时采取有效的措施,避免不必要的损失。鉴于此,本文试图在综合考虑黄土边坡各种因素的基础上,建立相关模型,通过模拟坡体含水率的变化来预测黄土高边坡的稳定性,以期为黄土边坡失稳的及时防护提供依据。选取具有典型代表的关中地区黄土高边坡为主要研究对象,从影响因素、稳定性预测、反演分析、系统开发四个方面进行深入研究,重点考虑含水率的影响,将多种智能方法耦合起来,并且将定性与定量分析方法相结合,同时充分利用计算机科学和人工智能科学的发展,进行边坡稳定性分析,以实现边坡工程研究的智能化。主要成果如下:(1)在系统分析黄土边坡失稳的多种影响因子的基础上,利用范数灰关联法定量地确定了各影响因子的权重系数,结果表明土体的重度、粘聚力、内摩擦角是其中最主要的影响因子,并且文献表明这三个因子受到边坡土体含水率的控制,据此提出了利用含水率来预测黄土高边坡稳定性。(2)通过分析实验资料,得到w和c、φ、γ的关系,在图解法的基础上开发了自动查表程序,能够自动生成大量特征明显的边坡数据,为后续建模提供数据支持;基于改进的遗传神经网络,建立了由含水率预测黄土边坡稳定性的系统模型,并利用模型对训练样本和测试样本进行仿真,验证了模型在方法上的可行性和精度上的可靠性,从而形成网络知识库。通过两个不同初始状态的工程实例详细讨论了如何利用该模型进行分析预测,并与图解法的计算结果进行了比较,表明该预测模型具有广泛的适用性。(3)基于MATLAB模糊工具箱,利用ANFIS对黄土高边坡的坡比进行了反演分析,并唯一地确定了ANFIS的前提参数和结论参数,解决了现有黄土边坡反演设计的神经网络方法反演结果不唯一的问题。用训练好的ANFIS模型对学习样本进行仿真,结果表明,误差在精度要求范围内,完全符合工程要求,可以为实际的边坡坡角的设计提供理论支持。(4)将图解法子系统、遗传神经网络(包括神经网络)边坡分析子系统、MATLAB中内置的ANFIS分析子系统以及考虑含水率的边坡预测子系统加以集成,基于MATLAB图形用户界面(GUI),开发出了黄土边坡智能分析系统V1.1,为实现边坡智能化预测作了一些积极的尝试。