学位论文 > 优秀研究生学位论文题录展示

基于RBF神经网络的边坡稳定性评价研究

作　者: 李昆仲
导　师: 张骏；成玉祥
学　校: 长安大学
专　业: 地质灾害科学与工程
关键词: 公路边坡 RBF神经网络影响因素归一化处理西藏自治区
分类号: U416.14
类　型: 硕士论文
年　份: 2010年
下　载: 211次
引　用: 2次
阅　读: 论文下载

内容摘要

夏比公路位于西藏自治区东北部比如县境内,随着西藏经济的发展,完善西藏地区公路基础工程设施已成必要,由此引发的边坡地质灾害也越来越多,特别是高海拔地区地质条件复杂的山区修筑公路更容易产生边坡灾害,而边坡的稳定性分析和评价是公路建设中不可避免而又十分重要的问题,但边坡工程的复杂性和不确定性给边坡稳定性分析带来了很大的困难。影响边坡稳定的因素繁多复杂,并且这些影响因素不是线性关联的而是非线性的,因此不能用数学表达式将其精确表示出来,而神经网络是一种基于模糊理论的算法的技术,具有较强的处理非线性函数的能力,因此将神经网络技术应用到边坡稳定性分析中是非常有意义的。本文以西藏地区夏比公路K85段边坡为研究对象,论述了边坡所在区的地质背景,分析了边坡特征及影响因素,尝试利用人工神经网络方法对西藏那曲地区夏比公路K85段边坡的稳定性进行评价,并在此基础上研究表明：1、影响西藏那曲地区夏比公路K85段边坡稳定的主要因素有：岩性、岩体结构、地质构造、地形地貌、风化作用、水的作用、振动作用及人类工程活动。2、对实际样本数据进行归一化处理后,可以提高网络的样本学习效率,从而实现快速达到网络预测精度。3、通过建立的模型仿真出的数据与简化毕肖普法及传递系数的稳定性分析方法比较表明：RBF神经网络预测模型能够对边坡的稳定性作出评价,得到的边坡状态与实际相符,准确度是可靠的。

全文目录

摘要  5-6
Abstract  6-9
第一章绪言  9-18
  1.1 选题依据及研究意义  9-10
  1.2 国内外研究现状及存在问题  10-16
    1.2.1 边坡稳定性评价方法国内外研究现状  10-15
    1.2.2 边坡稳定性研究存在的问题  15-16
  1.3 主要研究内容及技术路线  16-18
    1.3.1 主要研究内容  16
    1.3.2 技术路线  16-18
第二章边坡地质背景及特征分析  18-25
  2.1 研究区自然地理概况  18-20
    2.1.1 自然地理  18
    2.1.2 气象、水文条件  18-20
    2.1.3 植被  20
  2.2 环境地质条件  20-23
    2.2.1 地形地貌条件  20
    2.2.2 地层岩性  20-21
    2.2.3 地质构造与地震  21-22
    2.2.4 水文地质条件  22-23
  2.3 边坡主要特性  23-25
    2.3.1 边坡形态特征及边界条件  23-24
    2.3.2 边坡岩土构成与特征  24
    2.3.3 边坡岩体物理学性质  24-25
第三章边坡稳定性影响因素及变形特征分析  25-31
  3.1 内在因素  25-27
    3.1.1 岩性  25
    3.1.2 岩体结构  25-26
    3.1.3 地质构造  26-27
  3.2 外在因素  27-30
    3.2.1 地形地貌  27
    3.2.2 风化作用  27-28
    3.2.3 水的作用  28-29
    3.2.4 振动作用  29-30
    3.2.5 人类工程活动  30
  3.3 边坡变形特征分析  30-31
第四章径向基神经网络原理与方法  31-46
  4.1 人工神经网络理论概述  31-38
    4.1.1 人工神经网络发展史  31-33
    4.1.2 神经网络模型  33-36
    4.1.3 人工神经网络的学习规则  36-37
    4.1.4 人工神经网络分类  37-38
    4.1.5 人工神经网络特性  38
  4.2 径向基神经网络基础  38-41
    4.2.1 RBF神经网络基本思想  38-39
    4.2.2 径向基(RBF)函数  39-40
    4.2.3 RBF神经网络结构  40-41
  4.3 径向基神经网络的学习算法  41-46
    4.3.1 径向基(RBF)神经网络中心的确定  42-43
    4.3.2 径向基(RBF)神经网络权值的调整  43
    4.3.3 径向基(RBF)神经网络的算法  43-46
第五章径向基神经网络在边坡稳定性评价中的应用  46-61
  5.1 RBF神经网络模型输入输出的确定  46
  5.2 RBF神经网络样本的收集及归一化处理  46-53
    5.2.1 RBF神经网络训练样本的收集  46-49
    5.2.2 RBF神经网络样本数据归一化处理  49-53
  5.3 RBF神经网络的构造与训练  53-56
  5.4 夏比公路K85段边坡二维稳定性计算分析  56-59
    5.4.1 简化毕肖普法计算边坡稳定系数  56-59
    5.4.2 传递系数法计算边坡稳定系数  59
  5.5 几种稳定性分析结果比较  59-61
结论及展望  61-63
  结论  61
  展望  61-63
参考文献  63-67
攻读学位期间取得的研究成果  67-68
致谢  68

基于RBF神经网络的边坡稳定性评价研究

内容摘要

全文目录

相似论文