边坡稳定性分析中工程岩体抗剪强度参数选取的神经网络方法
许传华1,2 房定旺2 朱绳武2
( 1 河海大学土木工程学院 南京 210098) (2马鞍山矿山研究院 马鞍山 243004)
ARTIFICIAL NEURAL NETWORK METHOD TO PREDICT SHEAR STRENGTH OF ROCKMASS FOR ANALYSIS OF SLOPE STABILITY
Xu Chuanhua1,2, Fang Dinwang2, Zhu Shengwu2
(1 Civil Engineering School,Hohai University, Nanjing 210098 China) (2 Ma′anshan Institute of Mining Research, Ma′anshan 243004 China)
摘要 影响工程岩体抗剪强度参数的因素很复杂,具有不确定性。由于神经网络方法不仅能考虑定量因素,而且能考虑定性因素的影响,因而神经网络适用于解决非确定性的工程岩体抗剪强度参数的选取问题。建立了选取工程岩体抗剪强度参数的人工神经网络模型,并利用大量工程资料对网络进行训练和测试,得出了一些有意义的结论。
关键词 :
工程岩体抗剪强度 ,
神经网络 ,
边坡稳定性
Abstract :The factors which control and affect the shear strength of rockmass are complicated and uncertain variables. As artificial neural network method can consider both quantitative and qualitative factors,it is suitable to solve the uncertain problems with artificial neural network method. The neural network model is establlished for prediction of shear strength of engineering rockmass and a lot of engineering data are collected to train and examine the model. Some valuable results are derived at last.
Key words :
shear strength of engineering rockmass
artificial neural network
slope stability
引用本文:
许传华1,2 房定旺2 朱绳武2. 边坡稳定性分析中工程岩体抗剪强度参数选取的神经网络方法[J]. 岩石力学与工程学报, 2002, 21(06): 858-862.
Xu Chuanhua1,2, Fang Dinwang2, Zhu Shengwu2 . ARTIFICIAL NEURAL NETWORK METHOD TO PREDICT SHEAR STRENGTH OF ROCKMASS FOR ANALYSIS OF SLOPE STABILITY. , 2002, 21(06): 858-862.
链接本文:
https://rockmech.whrsm.ac.cn/CN/Y2002/V21/I06/858
1李
华晔,黄志全,刘汉东等. 岩基抗剪参数随机模糊法和小浪底工程c,j值计算[J]. 岩石力学与工程学报,1997,16(2):155~161
2董
遵德,王宝成,冯 英. 小浪底水利枢纽岩石力学试验研究回
顾[J]
岩石力学与工程学报,2001,20(增):1 633~1 637
3乔
春生,张 清,黄修云.岩石工程数值分析中选择岩体力学参数的神经元网络方法[J].岩石力学与工程学报,2000,19(1):64~67
4Z
hang Q,Song R,Nie X.Application of neural network models to rock mechanics and rockengineering[J].Int.Rock.Mech.Sci.Geomech.Abstr.,1991,28(6):535~540
5冯
夏庭,贾民泰. 岩石力学问题的神经网络建模[J]. 岩石力学与工程学报,2000,19(增):1 030~1 033
6邓
建辉,李焯芬,葛修润. BP网络和遗传算法在岩石边坡位移反分析中的应用[J]. 岩石力学与工程学报,2001,20(1):1~5
7周
保生,朱维申,李术才. 神经网络在综放回采巷道锚杆支护设计中的应用[J]. 岩石力学与工程学报,2001,20(4):497~501
8冯
夏庭,张治强,盛 谦. 三峡工程永久船闸三闸首区开挖变形特征的智能分析[J]. 岩石力学与工程学报,2001,20(5):633~637
9李
文秀,梅松华. BP神经网络在岩体移动参数确定中的应用[J]. 岩石力学与工程学报,2001,20(增):1 762~1 765
10
孙广忠. 论岩体结构力学效应[A]. 见:中国科学院地质研究所编. 岩石力学(2)[C].北京:科学出版社,1980,47~53
11
焦李成.神经网络系统理论[M].西安:西安电子科技大学出版社,1991:26~29
12
杨英杰,张 清. 岩石工程稳定性控制参数的直觉分析[J]. 岩石力学与工程学报,1998,17(3):336~340
[1]
佟 斌1,崔红志2,姬 建1,2. 基于一阶可靠度方法的区域滑坡易发性概率评估与QGIS平台实现 [J]. 岩石力学与工程学报, 2025, 44(9): 2456-2469.
[2]
代立现1,2,李春光1,2,周 磊1,2. 基于极限状态位移梯度场的滑动面追踪 [J]. 岩石力学与工程学报, 2024, 43(S2): 3981-3987.
[3]
孙书伟1,李 圆1,杨晓锐2,胡家冰1,刘 流1. 不同岩层倾角顺倾层状岩质边坡破坏机制研究 [J]. 岩石力学与工程学报, 2024, 43(7): 1607-1620.
[4]
郝 建1,刘河清1,刘建康1,吕家庆1,郑义宁2,刘建荣3. 基于振动信号的岩石单轴抗压强度钻进预测实验研究 [J]. 岩石力学与工程学报, 2024, 43(6): 1406-1424.
[5]
邓东平,彭一航,陈浩宇,王翊民 . 局部安全系数引入下岩质边坡稳定性分析极限平衡滑面应力法 [J]. 岩石力学与工程学报, 2024, 43(4): 964-985.
[6]
袁家好1,2,鲁祖德1,陈从新1,孙朝燚1,范 凯1,2,刘才华1. 含双软弱夹层岩质边坡稳定性上限解 [J]. 岩石力学与工程学报, 2024, 43(2): 412-423.
[7]
邢保印1,张炜怡1,章广成1,张世殊2,刘忠绪2,曾 鑫1,郑子涵1. 基于变形速率分解的阶跃型滑坡预测——以呷爬滑坡为例 [J]. 岩石力学与工程学报, 2023, 42(3): 685-697.
[8]
周 中,张俊杰,丁昊晖,李 繁. 基于GA-Bi-LSTM的盾构隧道下穿既有隧道沉降预测模型 [J]. 岩石力学与工程学报, 2023, 42(1): 224-234.
[9]
陈 结1,2,陈紫阳1,2,蒲源源1,2. 基于频谱分析和卷积神经网络的岩石声发射信号定位研究 [J]. 岩石力学与工程学报, 2022, 41(S2): 3271-3281.
[10]
董学超1,2,郭明伟1,2,王水林1,2. 基于多元结构应力特征的沉井基础下沉速度预测 [J]. 岩石力学与工程学报, 2022, 41(S2): 3476-3487.
[11]
贺伟明1,2,石胜伟1,2,蔡 强1,2,梁 炯1,2. 考虑膨胀作用对抗剪强度影响的膨胀土边坡稳定性分析 [J]. 岩石力学与工程学报, 2022, 41(S2): 3524-3533.
[12]
孙志彬1,2,郝 状1,谭晓慧3,杨小礼4,姬 建2. 基于滑动面离散的边坡三维上限分析机构 [J]. 岩石力学与工程学报, 2022, 41(9): 1923-1934.
[13]
周 中1,2,张俊杰1,龚琛杰1,2,丁昊晖1. 基于深度语义分割的隧道渗漏水智能识别 [J]. 岩石力学与工程学报, 2022, 41(10): 2082-2093.
[14]
杨小彬1,裴艳宇1,程虹铭1,2,侯 鑫1,吕嘉琦1. 基于SOFM神经网络模型的岩爆烈度等级预测方法 [J]. 岩石力学与工程学报, 2021, 40(S1): 2708-2715.
[15]
高江平,杨继强,孙 昕. 考虑双剪中主应力影响系数的D-P系列屈服准则研究 [J]. 岩石力学与工程学报, 2021, 40(6): 1081-1091.