【摘要】：邊坡變形監測是邊坡監測的主要內容之一,其變形預測問題是邊坡工程中主要技術難題之一。考慮邊坡位移變形預測模型的局限性,如神經網絡預測方法需要大量的實測數據作為學習樣本,灰色系統模型要求原始數據序列必須滿足指數規律,且數據序列變化速度不能太快等。建立了邊坡變形反向傳播神經網絡預測模型,同時給出了灰色GM(1,1)邊坡預測模型。提出邊坡的神經網絡與灰色系統加權函數組合預測模型,采用動態規劃解法,將原模型轉化為多階段決策問題,使組合預測誤差的平方和最小,得到組合權重,這樣得到的變形預測結果的精度將大大提高,彌補了單一方法的局限性,滿足工程預測的需要。通過邊坡實例加以驗證,加權函數組合預測模型的預測結果精度有一定提高,能夠與實際監測數據相吻合,達到準確預測的目的。
【作者單位】：
河海大學巖土工程研究所;
【關鍵詞】：
變形預測 神經網絡預測模型 灰色系統 組合預測模型 動態規劃 加權函數 邊坡位移 邊坡變形 神經網絡預測方法 預測結果
【分類號】：TU43
【DOI】：CNKI:SUN:GCDZ.0.2008-04-013
【正文快照】：
1引言邊坡位移作為內部力學現象的宏觀變現,具有很強的不確定性,長久以來,邊坡位移監測是邊坡監測的主要內容之一,其變形預測問題是邊坡工程中主要技術難題之一。現有的力學理論仍不能徹底解決邊坡位移預測問題。近年來人們應用一些數學方法來預測邊坡的未來變形,取得了豐富
