基于改进PSO-RBF神经网络的三维边坡可靠度分析

3D Slope Reliability Analysis Based on Improved PSO-RBF Neural Network

摘要

三维边坡模型能真实反映边坡空间效应，提升边坡可靠度计算精度，然而由于三维边坡模型计算量庞大且安全系数缺少显示表达，边坡可靠度分析主要以二维简化模型为主，针对三维边坡可靠度分析的研究仍存在不足.提出一种基于Spencer方法、自适应变异粒子群优化算法（PSO）和径向基函数神经网络（RBF）的三维边坡可靠度分析方法.通过对传统PSO算法引入变异算子，改善了其搜索精度较低、后期迭代效率不高等缺点.以三维Spencer方法为基础，结合改进PSO算法与RBF神经网络构建三维边坡安全系数的计算模型进行可靠度分析，实现三维边坡功能函数的显示化，通过标椎椭球滑体可靠度分析，验证了该方法相较于传统方法计算精度和效率的提升；进一步研究了卡基娃左岸边坡减载开挖过程稳定性及可靠度的变化规律，结果表明：削坡减载作用后有效提升了边坡的稳定性，边坡失效概率减小了近2个数量级.

关键词

三维边坡稳定 / 可靠度 / 粒子群优化算法 / 神经网络 / 岩土工程 / 工程地质

Key words

three-dimensional slope stabilization / reliability / particle swarm optimization algorithm / neural networks / geotechnical engineering / engineering geology

基金资助

国家自然科学基金资助项目(42077243;51709207)

湖北省自然科学基金项目(2018CFB631)