基于HGA-ANN驱动边坡稳定评价T-S型模糊推理系统

摘要：

边坡工程的分析评价会因人脑在思维判断上存在的模糊性,而导致整个分析和设计过程带有一定的模糊不确定性.因此,边坡工程实际上是一个动态的、模糊的、开放的复杂非线性系统,传统的分析方法有时难以对复杂边坡的稳定性做出符合实际的评价.模糊方法和人工神经网络(ANN)都已分别用于边坡稳定性评价中,此2种方法具有很多优点,但也存在各自的局限性.采用人工神经网络(ANN)模型构建T-S型模糊推理系统,利用混合遗传算法(HGA)训练ANN模型,得到了基于混合遗传算法人工神经网络驱动的T-S型模糊推理系统模型,探讨了该模型在边坡稳定性评价中的应用.根据广泛收集的80个边坡实例,建立了一个由HGA-ANN驱动的评价边坡稳定性的T-S型模糊推理系统模型.对实际边坡预测结果表明,该模型的预测精度明显高于目前同类方法.

关键词：边坡工程、边坡稳定性、神经网络、遗传算法、T-S模糊推理系统

所属期刊栏目：24

分类号：P642.2(水文地质学与工程地质学)

资助基金：湖南省科技攻关项目02GKY3024

在线出版日期：2005-12-01（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：3459-3464