基于工程模糊集理論的邊坡穩(wěn)定性評價及預測.pdf

1、我國是個滑坡災害頻發(fā)的國家，滑坡對人民的生命財產(chǎn)安全和經(jīng)濟建設構(gòu)成了極大的威脅。隨著我國現(xiàn)代化建設事業(yè)的迅速發(fā)展，在水利水電、礦山、港口、公路、鐵路和能源等工程領(lǐng)域逐步形成了越來越多的高陡邊坡與深凹邊坡，如何安全、可靠、有效地分析與評價邊坡的穩(wěn)定性，并進而實現(xiàn)滑坡預測預報具有重大的理論和現(xiàn)實意義。該文回顧了邊坡的穩(wěn)定性研究的發(fā)展現(xiàn)狀，指出了各種分析方法存在的不足及發(fā)展趨勢，提出了該文的研究內(nèi)容，并取得如下成果： (1)邊坡穩(wěn)定性

2、模糊評價是個很有前途的方法，但許多有關(guān)文獻存在著將隸屬函數(shù)的概念與定義絕對化的缺陷，致使隸屬函數(shù)的確定非常困難且?guī)в休^大的主觀隨意性，影響了這類方法在工程中的廣泛應用。為此，該文將陳守煜教授創(chuàng)立的工程模糊集理論引入到邊坡穩(wěn)定性分析中，對一些主要的理論和方法在邊坡穩(wěn)定性分析中的應用進行了研究。 (2)大量邊坡工程實例為邊坡穩(wěn)定性分析提供了豐富的知識，且具有一定的類聚性。該文應用陳守煜教授提出的模糊聚類循環(huán)迭代模型對大量邊坡工程實例

3、進行了聚類分析，指出了模糊聚類迭代模型中存在的不完全收斂性，并基于模糊優(yōu)選理論，提出了模糊相似聚類模型。實例分析表明，模糊相似聚類方法可以對聚類樣本進行自然分類，避免了模糊聚類迭代模型中存在的不完全收斂性問題。 (3)基于實例推理(Case-basedReasoning,，CBR)是近些年來發(fā)展起來的一項人工智能新技術(shù)，為邊坡穩(wěn)定性評價提供了一條可行的新途徑。根據(jù)實例類比推理思想，作者將模糊優(yōu)選理論應用于邊坡相似性對比中，提出了

4、邊坡穩(wěn)定性評價的模糊相似優(yōu)選方法。該方法能考慮多種不確定因素的影響，適用于從工程實例中提取特征、獲得知識，并從這些實例中找出與待評價邊坡特征最相似的邊坡樣本，從而對邊坡穩(wěn)定性做出評價。實際計算結(jié)果表明，模糊相似優(yōu)選模型是一種評判邊坡穩(wěn)定性的有效方法。 (4)在邊坡穩(wěn)定性模糊評價中，指標權(quán)重一般都是依靠分析者根據(jù)自身的知識、經(jīng)驗和智慧來確定，對于影響因素眾多的邊坡穩(wěn)定性分析來說這是不夠的，具有較多的主觀隨意性。因此，需要從已知的決

5、策矩陣信息中獲取隱含的客觀信息，確定權(quán)重的客觀值，但是所謂的客觀權(quán)重又往往忽視了分析者的偏好程度。這就迫切需要尋找一種既可考慮決策的客觀性，又可考慮分析者的主觀能動性的決策模型，以達到正確評價邊坡穩(wěn)定性的目的。為此，該文將陳守煜教授提出的主、客觀權(quán)重模糊模式識別方法應用在邊坡穩(wěn)定性分析中，取得了較好的效果。 (5)針對邊坡穩(wěn)定性模糊評價中影響因素眾多、直接確定權(quán)重困難的問題，該文對多層模糊模式識別理論與模型在邊坡穩(wěn)定性評價中的應

6、用進行了研究。整個評價系統(tǒng)分為三層，第一層由各影響因素組成，為輸入層；第二層由若干子系統(tǒng)組成，每個子系統(tǒng)包括若干相近的影響因素；第三層為輸出層，由一個子系統(tǒng)構(gòu)成。通過比較子系統(tǒng)內(nèi)各因素的重要性和各子系統(tǒng)的重要性可分別確定子系統(tǒng)內(nèi)各因素的權(quán)重和各子系統(tǒng)的權(quán)重。采用這種方式定權(quán)比直接比較所有影響因素確定權(quán)重相對容易、合理。第一層和第二層的作用函數(shù)采用二級模糊模式識別模型，第三層的作用函數(shù)為多級模糊模式識別模型。實例分析表明，應用該模型進行邊

7、坡穩(wěn)定性評價能取得較好的效果。 (6)滑坡是一個極其復雜的發(fā)展演化過程，需要采用幾種方法進行分析，為此對目前國內(nèi)外常用的位移一時間關(guān)系統(tǒng)計模型進行了探討，發(fā)現(xiàn)修復后的蠕變曲線具有正態(tài)特性，據(jù)此提出了基于正態(tài)特性的邊坡穩(wěn)定性分析的位移—時間正態(tài)、半正態(tài)模型和相應的時間—位移對數(shù)模型，以及二者集成的綜合統(tǒng)計模型。與典型的多元非線性回歸模型和生物增長曲線模型進行的對比分析表明，所提模型對于文中實例能夠給出滿意的預報結(jié)果。 同時

8、，考慮到邊坡問題的模糊性，利用模糊優(yōu)選理論對有關(guān)數(shù)學模型計算中權(quán)的確定問題進行了研究，給出了確定數(shù)據(jù)樣本權(quán)重的實用數(shù)學模型。 (7)隨著眾多滑坡位移模型的提出，必然需要建立一個合適的準則或方法來評價已有模型，以便選取一個最佳的評價模型，常用的方法是利用統(tǒng)計性質(zhì)對模型進行評估。事實上，任何一種數(shù)學模型與實測數(shù)據(jù)之間的符合程度都是相對的，既有隨機性，也有模糊性。為此，將模糊優(yōu)選理論應用于滑坡位移模型的選取，提出了邊坡位移曲線模糊相似

9、優(yōu)選方法。該方法簡單易行，為滑坡位移模型的選取提供了又一個有效的途徑。 (8)BP神經(jīng)網(wǎng)絡在邊坡穩(wěn)定性評價中得到了廣泛的應用，但該方法存在著收斂速度慢和局部極小的缺點。而徑向基神經(jīng)網(wǎng)絡無論是逼近、分類，還是學習速度方面都比BP網(wǎng)絡要好，但同時該網(wǎng)絡常用的k均值算法也存在一定的不足。為此，將徑向基神經(jīng)網(wǎng)絡、模糊優(yōu)選理論和模糊聚類分析理論相結(jié)合，提出了模糊相似聚類RBF神經(jīng)網(wǎng)絡和模糊相似聚類識別神經(jīng)網(wǎng)絡兩種邊坡穩(wěn)定性智能評價預測模型