基于小波神经网络的第四系覆盖层边坡风险评价

发布时间：2021-01-22 19:15

　　为研究江西省第四系覆盖层边坡的风险状态,提出了一种基于动量改进小波神经分析的评价模型。以江西省第四系覆盖层边坡为研究对象,在综合了供电、传感、通信等技术的基础上,对第四系覆盖层边坡的地质构造、坡比、土壤特性等内在因素及降雨等外在因素与滑坡灾害相互关系进行研究,运用动量改进小波神经分析方法对江西省第四系覆盖层边坡滑坡风险评估。评价结果表明:边坡的稳定性评价结果与实际调查结果吻合。研究结果可以为江西省第四系覆盖边坡防灾减灾、预警监测提供较好的依据。 

【文章来源】：人民长江. 2020,51(07)北大核心

【文章页数】：5 页

【部分图文】：

江西省地质灾害气象风险预警

本文以修水县龙潭峡水库库区右岸边坡构造为基础,通过实地考察(见图2)和钻孔取样(见图3),确定了影响该地区的第四系覆盖层边坡稳定性的指标。图3 岩体钻孔获取岩心样品

图2 修水县龙潭峡水库右岸边坡第四系覆盖层边坡稳定性主要分为内部因素、岩体特征因素以及环境因素。内部因素主要包含了物理力学特征参数:凝聚力、内摩擦角、容重、初始地应力等;岩体特征因素包含了边坡形态、岩体抗风化能力、地下水含量、边坡地质形态构造等;环境因素则是最为复杂的因素,其主要成因也不尽相同,主要包括气候条件(降雨量)、振动作用、人类活动情况等。其中地下水位是通过当地的水文观测值获取,降雨量则是通过安装雨量计进行计算,人类活动的情况则是根据所处地区的人员活动分布进行专家评估来获取。

【参考文献】：
期刊论文
[1]基于Kalman滤波的灰色神经网络边坡预测[J]. 王万祥.  筑路机械与施工机械化. 2018(02)
[2]第四系边坡稳定性分析及处理措施[J]. 张云鹏,魏新宇,朱晓玺,杨曦,杨威.  矿业研究与开发. 2017(08)
[3]第四系覆盖区地质调查中的物探方法研究[J]. 朱首峰,盛君.  江苏科技信息. 2016(03)
[4]第四系覆盖层滑坡软弱面特性及机理分析[J]. 姜银华,柳剑锋,刘华,孙晓龙,赵琼.  电力勘测设计. 2015(S1)
[5]基于PCA和BP神经网络边坡稳定性分析[J]. 陈建宏,郑荣凯,陈浩.  中国安全生产科学技术. 2014(05)
[6]某露天矿第四系土质边坡稳定性影响因素分析及防治[J]. 张维成,孙晓军.  现代矿业. 2013(12)
[7]基于灰色—BP神经网络组合模型的边坡稳定性预报方法[J]. 盛建龙,熊绵国.  有色金属(矿山部分). 2012(04)
[8]小波神经网络在高陡边坡位移预测中的应用[J]. 李元松,李新平,代翼飞,田昌贵,陈清运.  武汉工程大学学报. 2010(09)
[9]小波神经网络在露天矿边坡变形预测中的应用[J]. 李长洪,范丽萍,郭俊温.  中国矿业. 2010(07)
[10]边坡控制在地质灾害危险性评估中的重要性研究[J]. 罗常青,刘绍勇.  湖南电力. 2009(06)



本文编号：2993762