论文部分内容阅读
本文针对公路岩质边坡稳定性问题,利用BP人工神经网络建立岩质边坡稳定坡角预测模型,对稳定边坡角进行预测。同时结合RMR岩体质量分级系统,对岩体稳定性进行分级评价。通过调研,收集大量已建公路边坡工程的工程数据,以其为训练样本建立BP人工神经网络模型。该模型的输入层影响因子采用RMR岩体质量分级系统的参数,并根据参数的评分标准来量化边坡工程勘测数据。对于存在多组节理的岩质边坡,将初始参数值分别进行算术平均调整,加权平均调整以及考虑楔形破坏加权平均调整,将调整后的参数值分别输入到BP神经网络模型中预测稳定边坡角,并将预测值与已建公路的边坡角实际值进行对比分析。如果出现边坡角预测值大于实际值的情况,那么无法直接根据对比结果判断边坡是否稳定,此时利用有限元软件对预测值进行建模分析,验证预测值的可靠性。本研究取得的主要研究成果如下:(1)对RMR岩体质量分级系统参数值进行考虑楔形破坏加权平均调整,得到的岩体质量分级评价结果与已建工程实际情况最接近。(2)将BP神经网络预测结果与已建工程实际数据对比,结果表明利用BP人工神经网络方法预测公路岩质边坡稳定坡角是可行的。(3)有限元软件分析表明,利用BP神经网络预测得到的结果均是正确的,验证了BP神经网络预测稳定边坡角的可靠性。(4)对RMR岩体质量分级系统参数值进行考虑楔形破坏加权平均调整,经过BP神经网络预测得到的稳定边坡角预测值与已建边坡工程边坡角实际值最接近。