基于改进径向基函数神经网络的边坡稳定性研究

发布时间：2021-08-24 07:07

　　边坡稳定性研究对于水利工程的勘探、设计、建设和管理工作至关重要,针对现有研究方法存在的适用性不强和误差较大等问题,基于粒子群优化算法对径向基函数神经网络进行改进,提出了一种水利工程边坡稳定性预测模型。该模型以孔隙水压比、土体容重、内摩擦角、粘聚力、坡高和坡角等参数为输入变量,以边坡稳定系数为输出变量。以实际工程为例对模型性能进行分析,结果表明,相比单一的RBF模型,优化后的模型在水利工程边坡稳定性分析中的预测精度更高、误差更小,获得了更好的分析效果,为水利工程边坡稳定性研究提供了一种有效的新的途径。 

【文章来源】：微处理机. 2020,41(05)

【文章页数】：5 页

【部分图文】：

模型预测结果对比

【参考文献】：
期刊论文
[1]水位上升与荷载耦合作用下土坡稳定极限分析方法研究[J]. 黄珮伦,张嘎.  工程地质学报. 2020(02)
[2]“一带一路”沿线国家水电发展状况与潜力[J]. 古玉,彭定志,赵珂珂,范楚婷.  水力发电学报. 2020(03)
[3]基于S型函数的自适应粒子群优化算法[J]. 黄洋,鲁海燕,许凯波,胡士娟.  计算机科学. 2019(01)
[4]边坡失效概率估计的高斯过程动态响应面法[J]. 苏国韶,赵伟,彭立锋,燕柳斌.  岩土力学. 2014(12)
[5]基于蚁群神经网络的工业自动化PID参数优化[J]. 孙琼琼,郭静博.  微处理机. 2014(05)
[6]基于熵权与灰色关联法的引水方案评价研究[J]. 丁丽宏.  节水灌溉. 2012(10)
[7]边坡变形时序分析的进化-自适应神经模糊推理模型[J]. 刘开云,魏博,刘保国.  北京交通大学学报. 2012(01)
[8]基于灰色关联度的边坡稳定影响因素分析[J]. 付建军,邱山鸣,赵海斌,时凯,邱冰.  长江科学院院报. 2011(01)



本文编号：3359524