- 详情
- 2021-04-26
- 简介
- 875KB
- 页数 5P
- 阅读 57
- 下载 31
用常规可靠度分析方法进行边坡稳定的可靠度分析时,可靠度分析的主程序与用GEO-SLOPE软件求解安全系数的过程需交互进行,过程繁琐。为加快运行速度,本文采用了基于RBF神经网络的蒙特卡罗模拟法(RBF-MCSM),此法在进行可靠度分析时,需在运行可靠度分析程序之前先用GEO-SLOPE软件来准备好所有样本。本文首先应用GEO-SLOPE软件中的Slope/w模块对皮园边坡四组剖面支护前后的安全系数进行求解,接下来采用基于径向基函数神经网络的蒙特卡罗模拟法(RBF-MCSM)拟合出功能函数,进而求解边坡的失效概率及可靠指标,并与常规的可靠度分析方法(中心点法、验算点法和响应面法)进行比较,由于RBF-MCSM法的计算结果与常规法中精度较高的验算点法和响应面法结果非常接近,说明RBF-MCSM法十分准确。
对不起,您暂无在线预览权限,如需浏览请
立即登录热门商品
相关推荐
边坡稳定可靠度分析的神经网络法 875KB
基于RBF神经网络的边坡稳定可靠度分析 698KB
融合神经网络的边坡可靠度分析与应用 176KB
基于因素敏感性的边坡稳定可靠度分析 328KB
结合可靠度原理的边坡稳定分析 191KB
垃圾填埋场边坡稳定可靠度分析 652KB
边坡稳定性预测的混沌神经网络方法 92KB
基于进化神经网络的岩土边坡稳定性预测方法 317KB
基于人工神经网络的边坡稳定性工程地质评价方法 203KB
基于进化神经网络的岩土边坡稳定性预测方法 368KB