基于人工神經網絡的邊坡穩定性評價研究

李鵬飛

摘 要：隨著我國科學技術的進步與飛速發展，越來越多的新技術利用到邊坡工程中，邊坡穩定性評價對工程的建設和地質災害的治理具有重要的作用，本文主要介紹了神經網絡的理論基礎以及其在邊坡穩定性評價的簡單應用。

關鍵詞：人工神經網絡；邊坡穩定性；評價

0 引言

對于地質工程來說邊坡的穩定性評價是一項重要的研究任務，尤其是在巖土工程中。近年來，邊坡穩定性的相關研究向著多元的方向發展，因此許多研究方法應運而生，但是總體歸納起來，目前邊坡穩定性的研究常用的方法有定性分析法、定量分析法、不確定性分析法。人工神經網絡評價法就是定量分析法當中的一種，人工神經網絡技術的引入，為邊坡工程的穩定性研究提供了重要的手段。

1 邊坡評價方法簡介

邊坡穩定性的評價方法主要有三種，即定性、定量、不確定分析三種。定性分析法是勘察結束后，根據影響邊坡的因素、邊坡破壞的機制和可能產生的失穩變形模式對已經產生破壞的巖土體的形成原因和機制進行評價，在此基礎上對邊坡穩定性進行評價，并對其的發展趨勢做出定性分析和評價。這種方法不僅能對邊坡穩定性的影響因素全面分析，還可以對邊坡的發展趨勢做出評價，具有一定的優越性。定量分析方法目前不能實現完全定量，只能達到半定量分析，目前常用的方法是有限單元法、流形元法等。非確定性分析方法相對于上述兩種方法來說更接近實際情況，主要方法包括有可靠度評價、灰色系統評價等。

2 神經網絡技術理論基礎

2.1 人工神經網絡概述

神經網絡是以人腦的思維方式研究為基礎，利用數學方法抽象模擬人腦的基本功能的一種連接網絡，是由大量的并且簡單的處理單元組成的神經系統。這種系統不僅能夠反映出人腦的一些功能，能做出某種簡化、抽象和模擬，其行為是豐富多彩的。

2.2 神經元模型與神經網絡模型

一種簡化的神經元模型是一種多輸入單輸出的非線性的模型，如圖1所示。

對于傳統的神經元模型來說，通常采用同一非線性的映射，使得每個神經元都產生興奮，僅僅通過細胞之間的權值變化表示，這種情況導致學習算法比較繁瑣，收斂較慢。

因為神經網絡對生物系統模擬的組織和抽象層次的不同，可以將神經網絡模型分為以下幾個類型：①神經元層次模型，將研究工作集中在某個神經元的動態特征，對輸入信息的選擇性響應進行探究；②網絡層次模型，其自身包含不同的神經網絡，主要用來模擬生物神經的復雜性和抽象性；③組合式模型，它的神經元相互補充和作用，主要用來完成固定的任務，可以用于機器人的控制；④神經系統層次模型，神經網絡具有多種性質，可以模擬動物更抽象化的功能；⑤智能型模型，這種形式最抽象，主要通過語言的形式來模擬人腦的思維過程。

2.3 神經網絡的性質及工作方式

神經網絡具有收斂性、容錯性以及推廣性等基本特性，其中收斂性是指在使用有限元法迭代時可以得到收斂的結果；容錯性是指神經網絡具有自動修復功能，將不完整的、破碎的信息恢復成完整的形式；神經網絡的推廣性一般指已經訓練好的神經網絡可以對不屬于訓練范圍的樣本進行分類，具有推廣性。神經網絡的工作過程主要分為兩個階段，第一個階段是工作期，此階段的主要目的是改變計算機的狀態，以達到穩定的狀態；第二個階段是學習期，在此期間計算機的狀態保持不變，通過連接權值的變化調整。前一階段時間較短，容易進行，為短期記憶，后一階段時間較長，為長期記憶。

2.4 模糊神經網絡

在邊坡穩定性評價中，有一些模糊概念如巖性較差、地形較陡等，因此在神經網絡的應用當中我們也引入模糊神經網絡理論。由于模糊網絡理論本身具有模糊性，因此在處理一些精度要求高的問題上，模糊網絡的使用應該受到限制。模糊理論主要用來模仿人類在模糊情況下的思維方式，相對于人工神經網絡，模糊神經網絡推理過程簡單，對專家的知識利用率較高，并且樣品的要求較低，但是會存在一些人為因素的影響，如果將兩者結合，便可以起到很好的效果。模糊神經網絡的構造方法一是通過兩個或者更多的模糊神經元經過層狀的結構連接在一起形成，其基本單元是模糊神經元（圖2）；二是通過輸入層的模糊化處理，神經網絡只完成非線性映射功能，該系統的組成元素包括：模糊化層、神經網絡層以及反射模糊化層，在處理過程中，通過對輸入知識的處理和輸出知識的后處理，將模糊概念成功的融入到表達式中。

3 邊坡穩定性的模糊神經網絡評價

3.1 邊坡穩定的評價的輸入知識主要包括兩大類，分別是對數值變量的描述和對知識變量的描述。根據前面所說的模糊理論知識對函數進行選擇，包括正態分布函數、三角函數等。其中對于定性指標來說，需要將數據進行量化處理，從而評定其模糊矩陣。在實際情況中，常常需要根據實際情況由專家決定其隸屬度，才會帶來使得評價更為方便。

3.2 網絡的輸入層和輸出層的神經元的個數是由使用者根據實際情況來定的，在實際設計過程中，可以通過要求解的問題和數據的多少來決定輸入的神經元，并且在設計時要控制整個系統的規模，規模越小，越利于學習和使用，復雜性也會降低。

4 結論

邊坡穩定性評價自身存在多樣性、復雜性廣泛性，因此在實際評價過程中，仍然有一些不成熟的地方需要改進。我們應該充分利用當今飛速發展的科技進步，將最好的、最有效的方法引入到邊坡工程評價當中，不斷的提高自身的實力，將知識轉變為科學生產力，只要我們不斷努力，必然會總結出更合適的評價方法。

參考文獻：

[1]蔣裕豐，婁一青，趙二峰.基于二進制蟻群神經網絡的邊坡穩定分析[J].西安建筑科技大學學報（自然科學版），2009，03：346-351+370.

[2]周寧，傅鶴林，袁勇.基于模糊神經網絡的邊坡穩定性評價方法[J].地下空間與工程學報，2009，S2：1826-1832.

[3]李元松，陳文峰，李新平，田昌貴，夏進，郭運華.基于模糊神經網絡的邊坡穩定性評價方法[J].武漢理工大學學報，2013，01：113-118.

[4]張萬亮，許晨，張丁，郝玉成.基于T-S模糊神經網絡的邊坡穩定性分析[J].露天采礦技術，2013，04：20-22.

[5]馮敏杰.基于神經網絡的邊坡穩定可靠度分析方法研究[D].合肥工業大學，2008.

[6]申君.基于模糊神經網絡的核應急決策系統的研究與設計[D].南華大學，2012.