基于剩余推力法与BP神经网络的玄武岩残坡积土公路边坡稳定性预测

作     者：郭增 韩磊 罗少云 刘凯 林新光 GUO Zeng;HAN Lei;LUO Shao-yun;LIU Kai;LIN Xin-guang

作者机构：张家口职业技术学院张家口市075000 北京工业大学交通工程北京市重点实验室北京市100124 中国地质科学院地质力学研究所北京市100081 

基　　金：河北省科技计划自筹经费项目 项目编号152176267 国家"十二五"科技支撑计划项目 项目编号2012BAK10B02 

出 版 物：《公路》 (Highway)

年 卷 期：2017年第62卷第1期

页      码：19-26页

摘      要：采用剩余推力法与BP神经网络,以贵州省毕节地区宋阴公路K5+170~K5+220段玄武岩残坡积土边坡作为工程研究对象,对该边坡稳定性展开了计算和预测。选取现场实测剖面作为计算剖面,设置4个计算工况,由剩余推力法得到边坡天然状态(工况1)稳定性系数为1.085 1,当边坡处于16m地下水位+暴雨(工况2)、16m→8m地下变化水位(工况3)和16m→8m地下变化水位+暴雨(工况4)时,边坡稳定性系数均小于1。边坡稳定性敏感因素分析显示,滑带土黏聚力敏感系数平均值为15.9%,内摩擦角为48.3%,地下水位为34.0%,表明滑带土内摩擦角对边坡稳定影响最大,其次是地下水位。选择同一路段其他玄武岩残坡积土滑坡作为训练样本,通过Matlab神经网络ANN工具箱分步骤设计了BP网络,选择加动量学习速率自适应traingdx函数作为训练函数,采用多次预测求均值的方法获取预测结果。BP神经网络预测结果表明,边坡工况1的稳定性系数平均值为1.095~1.139,工况3为0.988~1.021,考虑到暴雨对边坡坡稳定性的影响,工况4时边坡可能发生滑动破坏。神经网络各次预测结果之间误差较大,最大达到45.87%,但求均值后的BP神经网络预测结果与剩余推力计算结果的相对误差大大降低,仅为0.4%~5.2%。将BP网络的输入参数减少为5个后,预测精度反而较高,表明黏聚力、内摩擦角、坡高、坡角、湿重度等因素对边坡稳定性有着实质性的影响,其他因素影响权重则较低。

主 题 词：公路边坡 边坡稳定性 玄武岩残坡积土 剩余推力法 BP神经网络 

学科分类：081401[081401] 08[工学] 0814[工学-地质类] 

馆 藏 号：203215211...