基于CSMR和卷积神经网络的岩质边坡稳定性分析

TU457%X43; CSMR分类体系是一种半定量的岩质边坡稳定性分析方法,其综合考虑了多因素对边坡稳定性的影响,但是计算复杂.在岩质边坡稳定性评价CSMR分类体系基础上,引入卷积神经网络原理,建立基于CSMR和卷积神经网络的边坡稳定性评价模型.首先,通过85个实测岩质边坡样本对模型进行训练,构建CSMR方法中的坡高H、高度修正系数ξ、RMR评分、结构面方位修正系数(F1、F2、F3)、开挖方法修正系数F4和结构面条件修正系数λ共8个影响因子和边坡稳定状态的非线性映射关系.然后,用另外15个边坡样验证基于CSMR和卷积神经网络的岩质边坡稳定性分析模型的有效性.最后,将模型应用于广东清远银湖城边...

Full description

Saved in:
Bibliographic Details
Published in自然灾害学报 Vol. 32; no. 1; pp. 114 - 121
Main Authors 傅杨攀, 刘勇健, 陈贡发, 陈旭林, 张友, 刘海龙
Format Journal Article
LanguageChinese
Published 广东工业大学 岩土工程研究所,广东 广州510006 01.02.2023
Subjects
CSMR分类体系
卷积神经网络
稳定性评价
岩质边坡
Online AccessGet full text
ISSN1004-4574
DOI10.13577/j.jnd.2023.0113

Cover

More Information
Summary:TU457%X43; CSMR分类体系是一种半定量的岩质边坡稳定性分析方法,其综合考虑了多因素对边坡稳定性的影响,但是计算复杂.在岩质边坡稳定性评价CSMR分类体系基础上,引入卷积神经网络原理,建立基于CSMR和卷积神经网络的边坡稳定性评价模型.首先,通过85个实测岩质边坡样本对模型进行训练,构建CSMR方法中的坡高H、高度修正系数ξ、RMR评分、结构面方位修正系数(F1、F2、F3)、开挖方法修正系数F4和结构面条件修正系数λ共8个影响因子和边坡稳定状态的非线性映射关系.然后,用另外15个边坡样验证基于CSMR和卷积神经网络的岩质边坡稳定性分析模型的有效性.最后,将模型应用于广东清远银湖城边坡稳定性分析,其预测值和期望值基本吻合.同时与有限元分析法计算结果进行了对比,表明该方法具有较强的泛化能力,能快速预测边坡稳定性,可为山区工程建设中岩质边坡工程设计和管理提供依据和参考.
ISSN:1004-4574
DOI:10.13577/j.jnd.2023.0113