基于GIS的降雨情况下高边坡稳定性智能区域评估研究

发布时间：2017-05-10 02:09

  本文关键词：基于GIS的降雨情况下高边坡稳定性智能区域评估研究，由笔耕文化传播整理发布。

【摘要】：本文主要研究降雨情况下高边坡智能区域评估及其相关问题，通过均匀设计法、饱和—不饱和理论、极限平衡法、神经网络理论及GIS，对以奉节地区为数据基础的降雨情况下高边坡稳定性进行了智能区域评估。本文以降雨情况下的高边坡边坡稳定性作为研究对象，建立了基于GIS平台的智能化区域评估系统，，对GIS的智能化提供了积极的探索和切实可行的途径，并得出了奉节地区基于GIS的降雨情况下高边坡稳定性智能区域评估图，对奉节地区地灾防治有一定的指导意义。本文完成的工作和主要进展如下： ①在降雨入渗影响边坡稳定性机理研究的基础上，研究典型降雨情况下高边坡失稳的灾变因子，确定数值实验样本库的六个输入参数：几何特征因素（坡高、坡度）、边坡的力学参数（黏聚力、内摩擦角）、物理参数（重度）、降雨影响因素（日降雨量）。确定神经网络训练样本库的一个输出参数：安全系数。 ②确定建立数值实验样本库的方法：均匀设计法。依照U30*(3013)的使用表，选取相应的第1、2、5、7、8、11列与灾变因子对应排列，进行均匀化设计。 ③依据数值实验样本库建立数值实验模型。基于Geo-studio的极限平衡法来计算数值实验模型边坡的安全系数。在计算过程中考虑到降雨入渗的影响，结合饱和—不饱和理论建立数值实验模型和参数的选取。 ④基于数值实验样本库和数值实验模型的基础上，建立神经网络训练样本，并进行数据归一化，较好地处理了奇异化和收敛的问题。 ⑤通过MATLAB建立BP神经网络，并通过训练建立映射。通过神经网络对样本数据的学习训练，使神经网络系统的映射规则自动生成，根据期望误差使神经网络的权值和阙值自动匹配其映射。 ⑥基于GIS建立灾变因子栅格数据图层。以《奉节地质灾害详细调查报告》为数据来源建立栅格数据图层，建立不同等级的灾变因子区域图。 ⑦结合神经网络系统进行GIS的空间分析，实现GIS的智能化。利用Fishnet工具和Spatial Join工具提取GIS模型数据，导入神经网络系统进行计算，将计算结果经Access处理重新导入GIS模型，然后进行栅格转换和重分类，输出不同颜色的区域危险性评估图。 本文以降雨情况下的高边坡稳定性作为对象进行研究中。综合比对各种理论方法后，选择均匀设计法、饱和—不饱和理论、极限平衡法、神经网络理论及GIS等理论方法，并对比前人的研究，提高了降雨情况下的高边坡稳定性智能区域评估的效果。
【关键词】：高边坡 降雨 稳定性 神经网络 MATLAB Geo-studio GIS
【学位授予单位】：重庆大学
【学位级别】：硕士
【学位授予年份】：2014
【分类号】：TU43;P208
【目录】：

• 摘要3-5
• ABSTRACT5-9
• 1 绪论9-17
• 1.1 引言9-10
• 1.2 边坡稳定性智能评估研究现状10-14
• 1.2.1 考虑降雨入渗的边坡稳定性研究10-13
• 1.2.2 边坡 GIS 的研究现状13-14
• 1.3 本文主要研究内容及技术路线14-17
• 1.3.1 本文主要研究内容14-15
• 1.3.2 技术路线15-17
• 2 降雨下高边坡边坡稳定性研究及数值实验样本库的构建17-29
• 2.1 边坡稳定性理论研究17-21
• 2.1.1 通用极限平衡法17-20
• 2.1.2 条间作用力函数20-21
• 2.2 边坡稳定性影响因素研究21-22
• 2.2.1 降雨对边坡稳定性的影响21
• 2.2.2 边坡的几何特征21-22
• 2.2.3 边坡材料的物理和力学性能参数22
• 2.3 降雨情况下高边坡数值实验数据库的构建22-29
• 2.3.1 降雨情况下高边坡灾变因子和目标参数的确定23-24
• 2.3.2 基于均匀设计法的数值实验样本库的构建24-29
• 3 降雨入渗本构模型研究及基于数值实验样本库的降雨情况下高边坡模型研究29-55
• 3.1 降雨入渗本构模型研究29-35
• 3.1.1 土的渗流特性本构模型分类29-30
• 3.1.2 渗流偏微分方程参数估算30-35
• 3.2 基于数值实验样本库的降雨情况下高边坡模型研究35-55
• 3.2.1 软件概述35-37
• 3.2.2 模型参数选取及边界条件的设置37-38
• 3.2.3 基于 GeoStudio 的数值实验流程及结果38-50
• 3.2.4 基于数值实验样本库的神经网络训练样本的建立50-55
• 4 降雨情况下高边坡稳定性智能区域评估系统设计研究55-69
• 4.1 降雨情况下高边坡稳定性的神经网络系统设计55-61
• 4.1.1 BP 神经网络应用系统的结构56
• 4.1.2 BP 神经网络应用系统的算法实现56-60
• 4.1.3 神经网络应用于降雨情况下高边坡稳定性智能区域评估的可行性60-61
• 4.2 高边坡稳定性区域评估的神经网络系统 MATLAB 实现61-69
• 4.2.1 BP 神经网络系统各个参数的选取61-63
• 4.2.2 基于 MATLAB 的神经网络系统的程序实现63-69
• 5 基于智能评估系统的高边坡 GIS 区域评估模型研究69-89
• 5.1 基于 GIS 的高边坡智能区域评估的实现途径69-72
• 5.1.1 基于神经网络的 GIS 的空间分析的可行性69-70
• 5.1.2 奉节地区高边坡智能区域评估实现方法70-72
• 5.2 奉节地区基于 GIS 的高边坡智能区域评估的实现途径72-89
• 5.2.1 基于灾变因子的 GIS 数据图层的建立72-80
• 5.2.2 基于 GIS 的神经网络的智能区域评估80-89
• 6 结论与展望89-93
• 6.1 主要结论89-90
• 6.2 主要存在的问题和展望90-93
• 致谢93-95
• 参考文献95-97

【参考文献】

中国期刊全文数据库 前10条

1 黄润秋,徐则民,许模;地下水的致灾效应及异常地下水流诱发地质灾害[J];地球与环境;2005年03期

2 朱良峰,殷坤龙,张梁,李闽;基于GIS技术的地质灾害风险分析系统研究[J];工程地质学报;2002年04期

3 朱宝龙,胡厚田,陈强,李玉锋;降雨条件下固体废弃物边坡变形及破坏模式试验研究[J];工程地质学报;2004年03期

4 包惠明,胡长顺;基于ANN下的岩质路堑深边坡稳定性评价[J];交通运输工程学报;2002年03期

5 尹健;吉廷宏;;水对岩体结构面抗剪强度弱化作用分析[J];山西建筑;2009年05期

6 牟会宠;;构造结构面的空间分布和地质特征对边坡稳定的影响[J];勘察科学技术;1985年05期

7 潘洪科,饶运章;神经元网络在基坑工程变形预报中的应用研究[J];南方冶金学院学报;2000年04期

8 史同广,李月臣;城市地质灾害信息管理系统设计——以重庆市为例[J];曲阜师范大学学报(自然科学版);2002年01期

9 胡海浪;黄秋枫;李建林;;岩质边坡稳定性影响因素敏感性分析[J];西北水电;2008年05期

10 蒋建群;徐辉;;边坡稳定模糊随机可靠度评价及其应用[J];水力发电学报;2006年04期

  本文关键词：基于GIS的降雨情况下高边坡稳定性智能区域评估研究，由笔耕文化传播整理发布。

本文编号：353791