论文部分内容阅读
本文结合国土资源部三峡库区专项基金(SXKY4-041)等项目，采用范例推理技术CBR(Case Based Reasoning)结合其他人工智能技术作为边坡稳定性评估的理论基础，针对三峡库区(Three Gorges Reservoir Area)高切坡稳定性评价(Slope Stability Evaluation)，使用Matlab与VC混合编程来开发一个面向对象的边坡智能评估系统(TGSE-CBR)。首先，综述了范例推理技术的研究现状和发展趋势，阐述了范例推理的基本工作原理及工作过程，详细给出了当前应用较广泛的范例表示方法、范例检索方法与范例组织方法，另外简单介绍了目前国内外有一定影响的基于范例推理的系统。接着，针对三峡库区高切坡的特点，采用面向对象的表示方法，构造了高切坡的案例表示方法；建立了基于径向基函数RBF(Radius Based Function)神经网络和基于贝叶斯(Bayes)网络两种边坡范例检索方法，并把粗糙集理论知识引入到范例检索中；引入模拟退火算法优化特征属性权重，应用基于域理论的自适应谐振网络学习方法进行范例学习。最后构建了基于范例推理的边坡稳定性智能评估系统的框架，对边坡系统作了详细的需求分析，论述了系统的设计思想和流程，介绍了系统各个功能模块，系统后台数据库采用关系数据库SQL SERVER2000建立了边坡范例库，检索模块代码在Matlab7．0．4中实现，并在Microsoft Visual C++6.0平台上开发出了该智能评估系统。。论文采用了面向对象方法进行边坡范例表示，运用基于径向基函数的神经网络和贝叶斯网络的两种范例检索方法，并在范例检索过程中引入粗糙集知识，同时结合边坡工程领域特点，建立了相应的边坡范例检索机制，并进行了实例应用，最后分析评估结果表明，该系统能为实际边坡工程提供有效的指导信息，具有十分重要的意义。