基于GIS的降雨情況下高邊坡穩(wěn)定性智能區(qū)域評估研究.pdf

1、本文主要研究降雨情況下高邊坡智能區(qū)域評估及其相關(guān)問題,通過均勻設(shè)計(jì)法、飽和—不飽和理論、極限平衡法、神經(jīng)網(wǎng)絡(luò)理論及GIS,對以奉節(jié)地區(qū)為數(shù)據(jù)基礎(chǔ)的降雨情況下高邊坡穩(wěn)定性進(jìn)行了智能區(qū)域評估。本文以降雨情況下的高邊坡邊坡穩(wěn)定性作為研究對象,建立了基于GIS平臺(tái)的智能化區(qū)域評估系統(tǒng),對GIS的智能化提供了積極的探索和切實(shí)可行的途徑,并得出了奉節(jié)地區(qū)基于 GIS的降雨情況下高邊坡穩(wěn)定性智能區(qū)域評估圖,對奉節(jié)地區(qū)地災(zāi)防治有一定的指導(dǎo)意義。本文完成

2、的工作和主要進(jìn)展如下:
　　①在降雨入滲影響邊坡穩(wěn)定性機(jī)理研究的基礎(chǔ)上,研究典型降雨情況下高邊坡失穩(wěn)的災(zāi)變因子,確定數(shù)值實(shí)驗(yàn)樣本庫的六個(gè)輸入?yún)?shù):幾何特征因素(坡高、坡度)、邊坡的力學(xué)參數(shù)(黏聚力、內(nèi)摩擦角)、物理參數(shù)(重度)、降雨影響因素(日降雨量)。確定神經(jīng)網(wǎng)絡(luò)訓(xùn)練樣本庫的一個(gè)輸出參數(shù):安全系數(shù)。
　　②確定建立數(shù)值實(shí)驗(yàn)樣本庫的方法:均勻設(shè)計(jì)法。依照U30*(3013)的使用表,選取相應(yīng)的第1、2、5、7、8、11列與災(zāi)

3、變因子對應(yīng)排列,進(jìn)行均勻化設(shè)計(jì)。
　?、垡罁?jù)數(shù)值實(shí)驗(yàn)樣本庫建立數(shù)值實(shí)驗(yàn)?zāi)Ｐ?。基于Geo-studio的極限平衡法來計(jì)算數(shù)值實(shí)驗(yàn)?zāi)Ｐ瓦吰碌陌踩禂?shù)。在計(jì)算過程中考慮到降雨入滲的影響,結(jié)合飽和—不飽和理論建立數(shù)值實(shí)驗(yàn)?zāi)Ｐ秃蛥?shù)的選取。
　?、芑跀?shù)值實(shí)驗(yàn)樣本庫和數(shù)值實(shí)驗(yàn)?zāi)Ｐ偷幕A(chǔ)上,建立神經(jīng)網(wǎng)絡(luò)訓(xùn)練樣本,并進(jìn)行數(shù)據(jù)歸一化,較好地處理了奇異化和收斂的問題。
　?、萃ㄟ^MATLAB建立BP神經(jīng)網(wǎng)絡(luò),并通過訓(xùn)練建立映射。通過神經(jīng)

4、網(wǎng)絡(luò)對樣本數(shù)據(jù)的學(xué)習(xí)訓(xùn)練,使神經(jīng)網(wǎng)絡(luò)系統(tǒng)的映射規(guī)則自動(dòng)生成,根據(jù)期望誤差使神經(jīng)網(wǎng)絡(luò)的權(quán)值和闕值自動(dòng)匹配其映射。
　?、藁?GIS建立災(zāi)變因子?xùn)鸥駭?shù)據(jù)圖層。以《奉節(jié)地質(zhì)災(zāi)害詳細(xì)調(diào)查報(bào)告》為數(shù)據(jù)來源建立柵格數(shù)據(jù)圖層,建立不同等級的災(zāi)變因子區(qū)域圖。
　?、呓Y(jié)合神經(jīng)網(wǎng)絡(luò)系統(tǒng)進(jìn)行GIS的空間分析,實(shí)現(xiàn)GIS的智能化。利用Fishnet工具和Spatial Join工具提取GIS模型數(shù)據(jù),導(dǎo)入神經(jīng)網(wǎng)絡(luò)系統(tǒng)進(jìn)行計(jì)算,將計(jì)算結(jié)果經(jīng)Acce