基于改进蝙蝠算法优化广义回归神经网络的岩质边坡稳定性预测

作者：杨雅萍; 张文莲; 孙晓云^*

来源：科学技术与工程, 2021, 21(20): 8719-8726.

• 交叉变异算子
• 蝙蝠算法(BA)
• 广义回归神经网络(GRNN)
• 边坡稳定性
• 广义Hoek-Brown准则

在对边坡进行稳定性评价时,传统的数值分析法计算量大,对经验的依赖性强,无法很好地反映边坡动态开放和非线性的特征。针对岩质边坡的上述特点,采用广义Hoek-Brown非线性破坏准则力学参数作为边坡稳定性的影响因素。利用改进后的蝙蝠算法(bat algorithm, BA)搜寻最优解来更新广义回归神经网络(generalized regression neural network, GRNN)的光滑因子,建立改进的BA-GRNN边坡稳定性预测网络。针对蝙蝠算法种群个体缺乏变异机制,在迭代过程中寻优能力下降的问题,引入交叉变异算子改进蝙蝠种群的多样性,使其保持持续优化能力。将改进BA-GRNN网络、BA-GRNN和GRNN 3种网络得到预测结果进行对比,发现改进后的BA-GRNN预测网络对于边坡状态和安全系数预测精度更高,在边坡稳定性的预测方面有更好的适用性。

• 单位
  石家庄铁道大学; 电子工程学院