發(fā)布時間：2020-06-21 01:39

【摘要】：邊坡的變形與破壞是巖土工程領(lǐng)域研究的重點課題,邊坡工程的可靠性分析則可為工程項目提供理論依據(jù)。由于邊坡地質(zhì)條件的高度非線性,難以用顯示函數(shù)描述其安全系數(shù)與各影響因素之間的關(guān)系,因此,本文將支持向量機與Monte Carlo法相結(jié)合,并進行改進優(yōu)化,進而實現(xiàn)對邊坡的可靠性分析。主要研究成果如下:(1)針對原始人工蜂群算法在搜索時容易陷入局部最優(yōu)的缺點,提出一種改進的人工蜂群算法(MABC),該方法先將原始蜜源的適應度進行排序,找出適應度最高的蜜源,再在其周圍搜索更優(yōu)解。MABC算法較原始ABC算法收斂速度快、全局性好。(2)在改進的人工蜂群算法優(yōu)化支持向量機(MABC-SVR)的基礎上,建立了80個邊坡實例的安全系數(shù)預測模型,該預測模型誤差較小,準確度較高,預測值與實際值達到了高度擬合。(3)將Monte Carlo模擬法與MABC-SVR映射模型結(jié)合,對典型邊坡和治理前后的青化寺滑坡進行可靠性分析,將所得可靠指標與失穩(wěn)概率與其他方法進行對比,結(jié)果基本一致,證明本文建立的預測模型及可靠性計算方法合理可行,且精度更高。
【學位授予單位】：長安大學
【學位級別】：碩士
【學位授予年份】：2019
【分類號】：TU43;TP18;P642.22
【圖文】：

穩(wěn)定性分析法①極限平衡法

技術(shù)路線圖

【參考文獻】

相關(guān)期刊論文 前10條

1 俞俊平;陳志堅;武立軍;余世元;王澍;;基于蟻群算法優(yōu)化支持向量機的邊坡位移預測[J];長江科學院院報;2015年04期

2 張凱軍;梁循;;一種改進的顯性多核支持向量機[J];自動化學報;2014年10期

3 楊虎;吳北平;陳美華;李前云;;基于粒子群優(yōu)化的WA-SVM模型在滑坡位移預測中的應用[J];安全與環(huán)境工程;2014年04期

4 劉佳;梁秋麗;王軍峰;莫立坡;;改進的蜂群算法在邊坡穩(wěn)定性分析中的應用[J];建筑科學;2014年07期

5 秦全德;程適;李麗;史玉回;;人工蜂群算法研究綜述[J];智能系統(tǒng)學報;2014年02期

6 王冰;;基于局部最優(yōu)解的改進人工蜂群算法[J];計算機應用研究;2014年04期

7 段俊花;朱怡安;鐘冬;;群智能在多智能體系統(tǒng)中的應用研究進展[J];計算機科學;2012年06期

8 馬永杰;云文霞;;遺傳算法研究進展[J];計算機應用研究;2012年04期

9 高瑋;張魯渝;張飛君;;邊坡臨界滑動面搜索的獎懲蟻群算法研究[J];水利學報;2012年02期

10 張超群;鄭建國;王翔;;蜂群算法研究綜述[J];計算機應用研究;2011年09期

本文編號：2723290