基于GM-RBF组合模型的高路堑边坡稳定性预测研究

作者：王鹏飞

来源：建筑结构, 2021, 51(20): 140-145.

DOI：10.19701/j.jzjg.2021.20.023

• 路基工程
• 边坡稳定性
• 安全系数
• 灰色算法
• 神经网络
• GM-RBF组合模型

边坡的稳定性预测是道路边坡安全性评判的关键,且及时、准确的预测可以有效地预防边坡破坏灾害的发生。采用GM(1,N)模型与RBF神经网络模型相结合的方式,建立一种基于GM-RBF组合的高路堑边坡变形预测分析模型。结合高速公路高路堑边坡工程实例,通过对比GM(1,5)模型、RBF神经网络模型和GM-RBF组合模型的边坡安全系数预测结果来分析GM-RBF组合模型的可行性。结果表明,GM-RBF组合模型比单一模型更能抵抗预测数据序列中存在的波动性;较于GM(1,5)模型和RBF神经网络模型,GM-RBF组合模型预测的边坡安全系数平均绝对误差分别降低了64.6%和45.8%,边坡安全系数均方根误差分别降低了66.7%和45.2%,边坡安全系数相对均方误差也分别降低了58.3%和38.7%;采用GM-RBF组合模型对边坡稳定性进行预测能够保持良好的精度。

• 单位
  中铁十四局集团第二工程有限公司