GRNN在邊坡穩(wěn)定預(yù)測分析中的應(yīng)用

狄圣杰,李曉敏,魏 檣

(1.河海大學(xué)巖土力學(xué)與堤壩工程教育部重點實驗室,江蘇 南京 210098;2.鄭州科技學(xué)院土木與建筑工程系,河南 鄭州 450000;3.中國水電顧問集團昆明勘測設(shè)計研究院,云南 昆明 650051)

巖土體具有復(fù)雜的結(jié)構(gòu)和機理,破壞過程是漸變性的,是變形積累到一定程度表現(xiàn)出宏觀滑移的一個非線性復(fù)雜過程,如邊坡滑動蠕動或擋土墻后楔形巖土體的開裂滑動,巖土體物理力學(xué)特征和地質(zhì)環(huán)境因素對其都有影響,這些影響因素有的是確定的,有的是隨機的,它們對不同類型邊坡穩(wěn)定性的影響權(quán)重也是不同的,之間又有復(fù)雜的非線性關(guān)系[1-2]。運用現(xiàn)代智能方法如人工神經(jīng)網(wǎng)絡(luò)已成為預(yù)測邊坡穩(wěn)定性的一種較有效的手段,其特點是智能性、綜合性、集成性和非線性。

常用的BPNN(誤差反向傳播神經(jīng)網(wǎng)絡(luò))及其改進方法無法自動調(diào)整結(jié)構(gòu)組成,性能優(yōu)良的BPNN需要優(yōu)化網(wǎng)絡(luò)結(jié)構(gòu),優(yōu)化權(quán)值、閾值等參數(shù),選擇合理的計算方法和學(xué)習(xí)參數(shù)。這些都用到了相關(guān)的優(yōu)化算法,例如用遺傳或粒子群算法對未知參數(shù)尋優(yōu),必要時還要擴展網(wǎng)絡(luò)結(jié)構(gòu)以減小系統(tǒng)誤差,同時收斂速度較慢,這會限制它在實際中的應(yīng)用和推廣。廣義回歸神經(jīng)網(wǎng)絡(luò)(GRNN)結(jié)構(gòu)設(shè)計簡單,收斂速度快,所需訓(xùn)練樣本少,對被建模對象的先驗知識要求不多,具有全局逼近性和最佳逼近性質(zhì),魯棒性及非線性處理能力強,能根據(jù)樣本數(shù)據(jù)反映其中隱含的映射關(guān)系,且不存在局部最小問題,目前已在工程中得到了應(yīng)用[3-4]。……