基于改进粒子群优化算法的边坡稳定性分析

发布时间：2017-09-03 14:36

  本文关键词：基于改进粒子群优化算法的边坡稳定性分析

  更多相关文章： 边坡稳定性 神经网络 粒子群算法

【摘要】：滑坡是一种不仅给人类带来威胁,而且还对环境、资源等具有破坏性的重要地质灾种。因此,如何经济、安全可靠地设计合理的边坡工程或分析评价边坡的稳定性,其重大意义越发显得突出。BP神经网络有非线性好、自学习能力、泛化能力强等优点,因此其能够很好描述边坡稳定性与其影响因素之间复杂性的非线性关系,但是神经网络具有容易陷入局部最优,收敛速度慢等缺陷,为改善BP网络的性能,将神经网络与粒子群算法相结合,粒子群算法有全局优化能力强,寻优速度快等特性,由于其收敛过快,在后期粒子会失去多样性,针对粒子群这样的缺点,提出了双阶段相互交流的粒子群算法,该算法将粒子群算法的寻优过程分成两个阶段,第一个阶段是标准粒子群算法阶段,是为了保证粒子群的收敛,第二阶段是粒子之间相互交流的阶段,这个阶段增加粒子的多样性,增强跳出局部最优的能力。采用改进后的粒子群算法去优化BP神经网络,使BP网络的优势得到充分发挥,并利用改进粒子群优化的BP神经网络建立了边坡稳定性的智能评估模型。论文介绍了边坡稳定性研究背景以及其评价方法的国内外发展现状,并对滑坡的形成条件和作用因素进行了简介;介绍了BP神经网络组成、网络的结构、网络的学习过程、以及其缺陷,为弥补其缺陷,引入粒子群算法对其进行优化,介绍了粒子群算法的思想、基本原理、寻优流程以及该法的缺陷,采用了双阶段相互交流的模式对粒子群算法改进,改善该算法的性能,利用改进后的粒子群算法对BP网络进行优化,使BP网络更好的发挥其优势;介绍了夏比公路K85段边坡的主要影响因素并使用改进粒子群算法优化的神经网络模型和BP神经网络模型对其稳定性进行预测,结果证明改进粒子群优化的BP神经网络模型比BP神经网络模型有更好的适用性,是边坡评价的一种新方法。
【关键词】：边坡稳定性 神经网络 粒子群算法
【学位授予单位】：辽宁科技大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TU43
【目录】：

• 中文摘要5-6
• ABSTRACT6-9
• 1.绪论9-15
• 1.1 研究的背景9-10
• 1.2 边坡稳定性评价方法的国内外研究现状10-13
• 1.2.1 边坡稳定性评价方法发展历程10
• 1.2.2 定性分析方法10-11
• 1.2.3 定量分析方法11-12
• 1.2.4 物理模型方法12
• 1.2.5 智能分析法12-13
• 1.3 论文结构及技术路线13-15
• 2.滑坡的形成条件及其作用因素15-20
• 2.1 滑坡的形成条件15-17
• 2.1.1 地形条件15
• 2.1.2 地质条件15-17
• 2.2 滑坡的作用因素17-20
• 2.2.1 自然因素17-18
• 2.2.2 人为因素18-20
• 3.神经网络和粒子群算法原理20-44
• 3.1 神经网络原理20-28
• 3.1.1 人工神经网络20
• 3.1.2 人工神经元模型20-22
• 3.1.3 神经网络模型22
• 3.1.4 神经网络学习规则22-23
• 3.1.5 BP算法23-24
• 3.1.6 BP神经网络的学习过程24-25
• 3.1.7 BP网络学习算法25-27
• 3.1.8 BP神经网络的性能分析27-28
• 3.2 粒子群算法原理28-42
• 3.2.1 群智能算法简介28-29
• 3.2.2 粒子算法29
• 3.2.3 粒子群算法的基本原理29-30
• 3.2.4 标准粒子群算法30-31
• 3.2.5 标准粒子群算法流程31-32
• 3.2.6 改进粒子群算法32-37
• 3.2.7 仿真实验37-41
• 3.2.8 结果分析：41-42
• 3.3 改进粒子群算法优化BP神经网络42-44
• 4.边坡稳定性的评价44-57
• 4.1 案例分析44
• 4.2 边坡评价的思路44-45
• 4.3 模型的确定45-47
• 4.3.1 粒子群优化神经网络模型输入的确定45
• 4.3.2 神经网络模型层数的确定45-46
• 4.3.3 神经网络模型隐含节点的确定46
• 4.3.4 神经网络激活函数的确定46
• 4.3.5 神经网络输出变量的确定46
• 4.3.6 神经网络输出变量的确定46-47
• 4.4 边坡稳定性数据的收集与归一化处理47-52
• 4.4.1 改进粒子群BP网络样本的选择47-49
• 4.4.2 原始数据归一化的源代码如下49-52
• 4.5 边坡稳定性预测52-56
• 4.6 结果分析56-57
• 5.结论及展望57-59
• 5.1 结论57-58
• 5.2 展望58-59
• 参考文献59-62
• 攻读硕士学位期间发表学术论文情况62-63
• 致谢63-64
• 作者简介64-65

【相似文献】

中国期刊全文数据库 前10条

1 齐云龙;周勇;黄栋;;地震和降雨作用下的边坡稳定性分析[J];科学技术与工程;2010年26期

2 陈新民,罗国煜,夏佳;边坡稳定性类比评价的定量实现[J];工程地质学报;2000年02期

3 庄云,万波,谷晓曦,仲桂清;吉林核电站厂址边坡稳定性分析[J];辽宁师范大学学报(自然科学版);2001年02期

4 薛新华;姚晓东;;边坡稳定性预测的模糊神经网络模型[J];工程地质学报;2007年01期

5 谢特华;李祥云;;模糊数学在边坡稳定性评判中的应用[J];西部探矿工程;2007年06期

6 盛初根;沈荣生;;某边坡稳定性模糊评价方法探讨[J];中国科技信息;2007年18期

7 周宏磊;;对“关于边坡稳定性分析中几个问题的讨论”讨论的答复[J];工程勘察;2008年12期

8 何晖宇;李春雷;;边坡稳定性分析理论和研究方法的发展与现状[J];交通科技;2008年S1期

9 张先亮;;深圳某既有边坡稳定性分析与评价[J];岩土工程界;2008年05期

10 张先良;李夕兵;;边坡稳定性分析研究[J];西部探矿工程;2009年02期

中国重要会议论文全文数据库 前10条

1 李毅;茅献彪;李三寿;李益焕;;边坡稳定性的试验研究[A];全国岩石边坡、地下工程、地基基础监测及处理技术学术会议论文选集[C];1993年

2 曹庆林;;边坡稳定性各影响因素敏感性的灰色理论分析[A];首届全国青年岩石力学学术研讨会论文集[C];1991年

3 刘雄;;天然土石堆积边坡稳定性的一种新分析计算方法[A];自然边坡稳定性分析暨华蓥山形变体形变趋势研讨会论文摘要集[C];1991年

4 郑宏;;三维边坡稳定性分析的严格方法[A];第九届全国岩土力学数值分析与解析方法讨论会特邀报告[C];2007年

5 侯晓亮;谭晓慧;;灰色关联理论在边坡稳定性分析中的应用[A];自主创新与持续增长第十一届中国科协年会论文集（1）[C];2009年

6 刘高扬;郑文博;李耀基;蔡永昌;;基于流形方法的边坡稳定性分析及工程应用[A];中国力学大会——2013论文摘要集[C];2013年

7 蔡中民;武军;;边坡稳定性分析[A];第五届全国结构工程学术会议论文集（第三卷）[C];1996年

8 姜永东;鲜学福;许江;周军平;;降雨及地下水对三峡库区边坡稳定性的探讨[A];中国力学学会学术大会'2005论文摘要集（下）[C];2005年

9 王旭华;陈守煜;陈雄;;边坡稳定性主客观权重模糊模式识别分析[A];东北岩石力学与工程分会学术讨论会论文集[C];2005年

10 边亚东;张玉国;祝彦知;;边坡稳定性分析集成系统的实现[A];第二届全国岩土与工程学术大会论文集（上册）[C];2006年

中国博士学位论文全文数据库 前10条

1 周丽珍;荆州市熊家冢遗址土化学加固和墓坑边坡稳定性研究[D];中国地质大学;2014年

2 赵建军;公路边坡稳定性快速评价方法及应用研究[D];成都理工大学;2007年

3 刘沐宇;基于范例推理的边坡稳定性智能评价方法研究[D];武汉理工大学;2002年

4 王辉;珠三角花岗岩残积土边坡稳定性分析及非线性预测[D];吉林大学;2011年

5 李小强;最小势能原理在边坡稳定性分析中的应用研究[D];中国科学院研究生院（武汉岩土力学研究所）;2004年

6 王军;多重作用的边坡稳定性及分析方法的研究[D];中南大学;2010年

7 王建强;云南龙江特大桥桥基区边坡稳定性研究[D];中国地质大学（北京）;2010年

8 刘胜利;风化和降雨作用下软岩边坡稳定性研究[D];华中科技大学;2012年

9 刘楚乔;边坡稳定性摄影监测分析系统研究[D];武汉理工大学;2008年

10 刘金龙;边坡稳定性及路堤变形与破坏机理研究[D];中国科学院研究生院（武汉岩土力学研究所）;2007年

中国硕士学位论文全文数据库 前10条

1 刘琳;研山铁矿高富水特厚冲积层边坡稳定性研究[D];河北联合大学;2014年

2 陈思帆;尖山铁矿西部边坡稳定性研究[D];昆明理工大学;2015年

3 金栋;冻融循环作用对边坡稳定性的影响[D];中国地质大学(北京);2015年

4 杨磊;某铁矿露天转地下开采边坡稳定性分析[D];中国地质大学(北京);2015年

5 吴玺;基于数值模拟方法的黄土边坡稳定性研究[D];长安大学;2015年

6 付玉宁;边坡形态与岩层产状对反倾向边坡稳定性影响的数值分析[D];长安大学;2015年

7 郭宁;某岩质边坡稳定性分析与桩锚支护应用研究[D];中国地质大学(北京);2015年

8 张磊;降雨条件下土体潜蚀机制及诱发滑坡研究[D];上海交通大学;2015年

9 廖伟成;某离子型稀土矿边坡稳定性分析及治理方案研究[D];江西理工大学;2015年

10 付强;基于神经网络的高边坡稳定性预测与加固研究[D];中国矿业大学;2015年

，

本文编号：785610