人工神经网络方法在海州矿边坡不稳定区圈定中的应用*

摘要
图/表
参考文献(14)
相关文章 (15)

全文: PDF (339 KB) HTML (1 KB)
输出: BibTeX | EndNote (RIS)

摘要边坡稳定性受工程地质、水文地质条件和人工活动(开挖或防护)等因素的影响，这些因素决定了滑坡的具体形态。然而，上述因素与滑坡形态之间很难找到某种确切的关系。海州矿非工作帮边坡从建矿到目前，已发生过70多次滑坡，规模较大且有详细资料记录的滑坡60多次。将这些丰富的滑坡资料进行整理，并尝试运用人工神经网络方法，将工程地质因素，如滑落层的内摩擦角和傾角、滑落层走向与边坡走向间的夹角、剪切带长度、降雨量、断层、坡高等因素作为网络的输入，以滑坡体的长度、宽度和顶部裂缝距坡顶的距离作为网络的输出。各因素与滑坡体的长度、宽度和顶部裂缝距坡顶的距离之间的非线性动力学关系则由网络的结构描述。网络训练好以后便可用于对潜在不稳定区范围的预报和圈定。这样，一方面可以有针对性地采取整治措施；另一方面，可以据此进一步分析和验证按传统方法所圈定的边坡是否存在滑坡的危险性。

	服务

	把本文推荐给朋友
	加入我的书架
	加入引用管理器
	E-mail Alert
	RSS
	作者相关文章
	吕培印

关键词 ：滑坡, 潜在不稳定区, 人工神经网络

Abstract：The stability of slope is affected by many factors，which determine the specific shape，such as engineering geology，hydrogeologic condition and the activity of people (excavation or guard). However，it is difficult to find the definitive relationship among those factors and the specific shape. More than seventy times of landslides have happened in the unworking band of Haizhou mine since its foundation，and there more than sixty times of largescale ones were recorded in detail. Based on the abundant landslide data，the method of artificial neural network is used to describe the nonlinear relationship mentioned above. In the method，the input parameters include the friction angle and dip angle of the slide layer，the separation angle between the slide surface and slope trend，the length of the shear zone，rainfall，fault and the hight of the slope，while the output parameters include the length and width of gliding mass，and the distance between the crack and tip of the gliding mass. The result calculated by the network can be used to estimate the shape of other potential gliding mass only after the training of the network is completed. Then some effective measures can be taken to deal with the landslide，and also，the presented result can be used to validate the instability zone got in traditional ways.

Key words： landslide potential instability zone artificial neural network

引用本文:

吕培印. 人工神经网络方法在海州矿边坡不稳定区圈定中的应用*[J]. 岩石力学与工程学报, 2002, 21(10): 1490-1493.
Lu Peiyin. APPLICATION OF ARTIFICIAL NEURAL NETWORK METHOD INTO DETERMINATION OF INSTABILITY ZONE OF SLOPE IN HAIZHOU MINE. , 2002, 21(10): 1490-1493.

链接本文:

https://rockmech.whrsm.ac.cn/CN/Y2002/V21/I10/1490

1 黄崇福，王家鼎. 模糊信息优化处理技术及其应用[M]. 北京：北京航空航天大学出版社，1995

2 Lacher R C，Hruska S I，Kuncichy D C. Back-propagation learning in expert systems[J]. Fuzzy Set Syst.，1993，53(1)：129～134

3 刘增良，刘有才. 模糊逻辑与神经网络[M]. 北京：北京航空航天大学出版社，1996

4 冯夏庭. 智能岩石力学导论[M]. 北京：科学出版社，2000

5 施阳，李俊. MATLAB语言工具箱——TOOLBOX实用指南[M]. 西安：西北工业大学出版社，1998

6 冯夏庭，刁心宏. 智能岩石力学(1)——导论[J]. 岩石力学与工程学报，1999，18(2)：222～226

7 冯夏庭，杨成祥. 智能岩石力学(2)——参数与模型的智能辨识[J]. 岩石力学与工程学报，18(3)：350～356

8 冯夏庭，杨成祥. 智能岩石力学(3)——智能岩石工程[J]. 岩石力学与工程学报，1999，18(4)：475～478

9 邓建辉，李焯芬，葛修润. BP神经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

10 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研究[J]. 岩石力学与工程学报，2001，20(4)：497～501

11 冯夏庭，张治强，盛谦等. 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

12 吴晓枫，王靖涛. 考虑剪胀的土的非线性本构关系神经网络模型[J]. 岩石力学与工程学报，2001，20(6)：805～808

13 阎平凡. 人工神经网络的容量、学习与计算复杂性[J]. 电子学报，1995，23(4)：63～67

14 Feng X T，Wang Y J，Yao J G. Neural network modeling on real-prediction of roof pressure in coal mines[J]. International Journal of Rock Mechanics and Mining Sciences，1997，33(6)：647～653