基于认知聚类分区方法的边坡可靠度分析

提出了边坡可靠度分析的一种新的全局优化方法——认知聚类分区方法。该方法主要包括5个步骤:分区、随机抽样、计算极径L、回代、计算可靠指标及验算点。给出了相应的计算流程图,并编写了基于C语言的计算程序KCPREL。最后,以岩质边坡稳定可靠度问题为例证明了所提方法的有效性。结果表明,认知聚类分区方法能同时计算出可靠指标和验算点,并能获得全局最优解。该方法的计算精度和蒙特卡洛模拟方法相当,计算效率远远高于传统的蒙特卡洛模拟方法。此外,该方法在分析含有复杂的隐式及非线性功能函数的边坡稳定可靠度问题方面体现出明显的优越性。等步长认知聚类分区方法能全面且均匀地搜索角度,从而得到更准确的验算点。为了保证足够的计算精度及减小计算量,建议步长取10o以内。