基于遗传优化神经网络的边坡稳定性评价

作者：孙平定; 蔡润; 谢成阳; 易铸

来源：现代电子技术, 2019, 42(05): 75-78.

DOI：10.16652/j.issn.1004-373x.2019.05.018

• 遗传算法
• BP神经网络
• 优化权值
• 边坡稳定性
• 安全系数
• 预测

由于引起滑坡的因素复杂,传统预测方法难以得到高精度的结果。文中利用遗传算法(GA)全局搜索能力强、不易陷入局部极小值的特点对样本的初始权值和阈值进行优化处理,使得前馈型神经网络(BP)在学习和预测时能够得到一个最佳的权值和阈值,从而探索出影响滑坡的因子与边坡稳定性之间潜在的关系。从仿真结果可知:优化权值后的BP神经网络得到边坡稳定性的判对率达到100%,而随机权值BP神经网络的判对率仅为54.5%,判对率提高了45.5%;安全系数较随机权值BP神经网络的平均误差提高了6.08%。因此,优化BP神经网络的预测精度得到明显提高,在今后边坡稳定性的实际应用评价中可作为一种有效的辅助手段。

• 单位
  重庆交通大学; 贵州省交通规划勘察设计研究院股份有限公司; 中国地震局兰州地震研究所