改进的边坡岩体稳定性预测模型研究

由于边坡岩体的结构与物理力学性质表现出宏观和微观上的不连续性和高度的非线性等特点,其稳定性受地质因素和工程因素等的综合影响,这些因素大部分具有随机性、模糊性、可变性等不确定性特点,因此,边坡工程是不确定的、非线性的、动态开放性的复杂大系统,传统分析方法往往难以准确地描述这种复杂的非线性特征,因而对大型复杂边坡的稳定性进行准确预测预报尚存在一定的困难。提出了基于模拟退火交替迭代算法神经网络的边坡安全系数预测方法,在相同的初始条件下,用该方法和经典网络进行了比较,得出前者的优越性和有效性。在综合分析边坡岩体变形失稳破坏模式及其影响因素的基础上,采用了表征边坡岩体稳定性分析的复合指标为预测模型的影响因子。并利用该方法对收集到的水电工程边坡实例进行学习,对未学习过的边坡实例进行推广预测,取得了较好的效果,其预测精度明显优于经典算法BP神经网络。由此说明所提出的预测模型能够快速、准确地获取不同方案下的边坡安全系数,为选择经济合理的边坡设计方案提供了新的思路。