边坡稳定分析的神经网络改进模糊点估计法
边坡稳定性分析中,模糊点估计法能同时考虑模糊不确定性和随机不确定性因素.针对传统模糊点估计法计算工作量大的缺点,提出一种神经网络改进模糊点估计法.利用拉丁超立方抽样法和径向基函数神经网络(RBF)建立边坡安全系数的预测模型;对黏聚力和内摩擦角等模糊随机变量取λ截集,并在各截集水平对参数进行组合;利用建立的预测模型对各参数组合的安全系数进行预测;最后由统计矩点估计法计算边坡的可靠度指标.实例分析表明:改进模糊点估计法使用方便、结果可靠,且能通过增加λ截集水平的数目来提高计算精度.对于含有2~4个模糊随机变量的边坡,采用改进模糊点估计法计算可靠度时λ截集水平的数目可近似取25.
边坡稳定性、模糊点估计法、拉丁超立方抽样、RBF神经网络、可靠度
36
TU457(土力学、地基基础工程)
国家自然科学基金项目No.51278217.
2015-09-24(万方平台首次上网日期,不代表论文的发表时间)
2111-2116