岩质边坡稳定性预测模型的评价指标处理方法研究
发布时间：2021-09-28 23:22
灰色关联度（GRA）、粗糙集（RS）和主成分分析（PCA）方法是目前在边坡稳定性预测模型研究领域中较为常用的评价指标处理方法,但不同处理方法的特征及适用性仍然不是很明确。本文以BP神经网络岩质边坡模型为例,采用上述3种方法及其组合方法对影响边坡稳定的11个评价指标进行处理获得关键指标,进而建立边坡稳定性预测模型。通过系统分析模型预测效果的差异,深入探讨不同处理方法的特征和适用性。结果表明:不同的处理方法有自身的特征及适用性,需要以评价指标间和评价指标与评价结果间相关关系的差异确定选择哪种评价指标处理方法;不同处理方法的组合对模型预测效果的影响与处理方法自身特征有较大的关系,只有充分发挥不同处理方法的固有特征时,才能显著提高边坡稳定性预测模型的精度。
【文章来源】：自然灾害学报. 2020,29(05)北大核心CSCD
【文章页数】：11 页
【部分图文】：
评价指标降序排列(按权重系数)
表3 边坡稳定性数据离散化决策信息表Table 3 Discretization decision information of slope stability data 序号 S1 S2 S3 S4 S5 S6 S7 S8 S9 S10 S11 S 1 [39.5, *) [35, 90) [15, 35) [*, 35) [*, 19.1) [0.019, 0.066) [*, 19.7) [7, *) [*, 39) [61.5, *) [*, 4) 0 2 [39.5, *) [15, 35) [*, 15) [*, 35) [19.1, 20.2) [0.019, 0.066) [*, 19.7) [*, 7) [39, 70) [61.5, *) [*, 4) 0 .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. 63 [*, 28.5) [35, 90) [65, *) [35, *) [20.2, 29.9) [*, 0.011) [19.7, *) [7, *) [*, 39) [*, 61.5) [4, *) 0 64 [*, 28.5) [15, 35) [15, 35) [*, 35) [20.2, 29.9) [0.011, 0.019) [*, 19.7) [*, 7) [39, 70) [*, 61.5) [4, *) 1由图 2可以看出,坡高(S10)、内摩擦角(S5)和地质构造(S4)这3个评价指标的权重系数大于0.1,取这3个评价指标为核心评价指标;地震烈度(S11)、黏聚力(S6)和初始地应力(S8)这3个评价指标权重系数大于0.08,取这3个指标为重要指标;坡度(S1)、地下水(S2)、抗风化性(S3)、历时降雨量(S9)和容重(S7)这5个评价指标权重系数小于0.08将他们作为冗余指标剔除。至此,RS法确定了地质构造(S4)、内摩擦角(S5)、黏聚力(S6)、初始地应力(S8)、坡高(S10)和地震烈度(S11)共6个关键指标。
表10 测试样本Table 10 Test samples 序号 S1 S2 S3 S4 S5 S6 S7 S8 S9 S10 S11 S 1 47.5 20 20 20 35 0.058 31.3 9 69 77.5 4 1 2 45 20 20 20 37.5 0.017 22 7 72 75 4 2 3 44 20 50 50 20 0.001 18.8 7 65 74 3 1 4 41 10 50 20 31 0.014 27.3 9 70 71 4 1 5 37 20 50 20 15 0.03 18.5 5 65 67 3 1 6 36 20 50 80 30 0.03 19.7 4 43 66 3 2 7 28 10 50 80 32 0.009 21.8 7 60 58 4 2 8 27 20 50 10 16.3 0.012 17 8 58 57 3 2 9 30 50 50 50 37.5 0.017 22.8 5 37 60 3 1 10 30 50 20 10 26 0.014 11.9 7 44 60 4 2表11 各模型的预测结果对比Table 11 Comparison of prediction results of each model 处理方法 不处理 单一处理方法 组合处理方法 BP模型 GRA-BP模型 RS-BP模型 PCA-BP模型 GRA-PCA-BP模型 RS-PCA-BP模型 准确率 50% 40% 60% 70% 60% 30%
本文编号：3412732
【文章来源】：自然灾害学报. 2020,29(05)北大核心CSCD
【文章页数】：11 页
【部分图文】：
评价指标降序排列(按权重系数)
表3 边坡稳定性数据离散化决策信息表Table 3 Discretization decision information of slope stability data 序号 S1 S2 S3 S4 S5 S6 S7 S8 S9 S10 S11 S 1 [39.5, *) [35, 90) [15, 35) [*, 35) [*, 19.1) [0.019, 0.066) [*, 19.7) [7, *) [*, 39) [61.5, *) [*, 4) 0 2 [39.5, *) [15, 35) [*, 15) [*, 35) [19.1, 20.2) [0.019, 0.066) [*, 19.7) [*, 7) [39, 70) [61.5, *) [*, 4) 0 .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. 63 [*, 28.5) [35, 90) [65, *) [35, *) [20.2, 29.9) [*, 0.011) [19.7, *) [7, *) [*, 39) [*, 61.5) [4, *) 0 64 [*, 28.5) [15, 35) [15, 35) [*, 35) [20.2, 29.9) [0.011, 0.019) [*, 19.7) [*, 7) [39, 70) [*, 61.5) [4, *) 1由图 2可以看出,坡高(S10)、内摩擦角(S5)和地质构造(S4)这3个评价指标的权重系数大于0.1,取这3个评价指标为核心评价指标;地震烈度(S11)、黏聚力(S6)和初始地应力(S8)这3个评价指标权重系数大于0.08,取这3个指标为重要指标;坡度(S1)、地下水(S2)、抗风化性(S3)、历时降雨量(S9)和容重(S7)这5个评价指标权重系数小于0.08将他们作为冗余指标剔除。至此,RS法确定了地质构造(S4)、内摩擦角(S5)、黏聚力(S6)、初始地应力(S8)、坡高(S10)和地震烈度(S11)共6个关键指标。
表10 测试样本Table 10 Test samples 序号 S1 S2 S3 S4 S5 S6 S7 S8 S9 S10 S11 S 1 47.5 20 20 20 35 0.058 31.3 9 69 77.5 4 1 2 45 20 20 20 37.5 0.017 22 7 72 75 4 2 3 44 20 50 50 20 0.001 18.8 7 65 74 3 1 4 41 10 50 20 31 0.014 27.3 9 70 71 4 1 5 37 20 50 20 15 0.03 18.5 5 65 67 3 1 6 36 20 50 80 30 0.03 19.7 4 43 66 3 2 7 28 10 50 80 32 0.009 21.8 7 60 58 4 2 8 27 20 50 10 16.3 0.012 17 8 58 57 3 2 9 30 50 50 50 37.5 0.017 22.8 5 37 60 3 1 10 30 50 20 10 26 0.014 11.9 7 44 60 4 2表11 各模型的预测结果对比Table 11 Comparison of prediction results of each model 处理方法 不处理 单一处理方法 组合处理方法 BP模型 GRA-BP模型 RS-BP模型 PCA-BP模型 GRA-PCA-BP模型 RS-PCA-BP模型 准确率 50% 40% 60% 70% 60% 30%
本文编号：3412732
本文链接：https://www.wllwen.com/jingjilunwen/jianzhujingjilunwen/3412732.html
