基于改进的PSO-BP神经网络的边坡稳定性研究

作     者：胡少伟 李原昊 单常喜 薛翔 杨辉琴 HU Shaowei;LI Yuanhao;SHAN Changxi;XUE Xiang;YANG Huiqin

作者机构：重庆大学土木工程学院重庆400045 新疆水利水电规划设计管理局新疆乌鲁木齐830000 

基　　金：重庆市技术创新与应用发展专项重点项目(cstc2019jscx-gksbX0013) 重庆市自然科学基金创新群体科学基金项目(cstc2020jcyj-cxttX0003) 国家自然科学基金重点项目(51739008)资助 

出 版 物：《防灾减灾工程学报》 (Journal of Disaster Prevention and Mitigation Engineering)

年 卷 期：2023年第43卷第4期

页      码：854-861页

摘      要：边坡稳定性研究对于重大地质灾害防治极其重要,但由于影响边坡稳定性的因素具有非线性、多样性以及模糊性等特征,边坡稳定性分析一直是地质灾害防治领域的热难点问题。已有研究表明神经网络预测模型可有效应用边坡稳定性分析,但同时存在预测精度低、鲁棒性差、收敛速度慢等缺点。为改善上述问题,在粒子群算法优化的BP神经网络(简称PSO-BP神经网络)算法基础上提出一种改进的边坡稳定性预测模型。该模型以容重、内聚力、内摩擦角、边坡角、高度、孔隙压力比作为输入参数,以安全系数作为输出参数。通过借鉴遗传算法中的变异思想来提升模型全局寻优的能力,利用能量函数负梯度下降原理提高模型的收敛速度。将所收集到百余条边坡数据进行数据清洗,最终得到80条高质量边坡数据,随机选取其中的50条边坡数据作为模型的试验数据。最后采用十折交叉验证的方法对模型的准确性进行验证,并在多维度与其余边坡稳定性神经网络预测模型进行对比分析。结果表明:①该模型相比于其余模型收敛速度、准确率、鲁棒性均有明显提高;②将K折交叉验证应用在小样本数据下的边坡稳定性神经网络预测模型,可有效避免结果的偶然性。③该模型的预测误差仅为4.31%,满足工程精度需求,可在实际工程中为边坡稳定性分析与灾害防治提供参考。

主 题 词：边坡稳定性 BP神经网络 粒子群算法 K-折交叉验证 

学科分类：12[管理学] 1201[管理学-管理科学与工程类] 081104[081104] 08[工学] 0835[0835] 0811[工学-水利类] 0812[工学-测绘类] 

核心收录：

D　O　I：10.13409/j.cnki.jdpme.20210527002

馆 藏 号：203115624...