论文摘要
针对京新高速公路项目在建设中遇到的裂缝、滑移、倾倒等大量边坡稳定性问题,为了探讨边坡岩土体参数与边坡稳定性间的相关关系,以及保证研究项目路段在运营期间的行车安全,实现公路网尤其是山区公路的安全、高效、便捷运行,在已有研究的基础上,分别建立了支持向量机以及附加动量因子mc而改进后的BP神经网络两种边坡稳定性预测模型。通过引入45个训练样本,对5个工程边坡实例的安全系数进行预测计算,分析了两种模型的平均误差和最大误差,比较了两种模型的预测精度和适用范围,并且对京新高速公路胶泥湾至冀晋界路段的工程边坡稳定性进行了预测。结果显示,样本训练阶段,支持向量机和BP神经网络两种模型均具有较高的模拟精度,而BP神经网络更优;在样本预测阶段,支持向量机的预测精度明显优于BP网络;当随着样本容量不断增大时,两种计算模型的预测精度也逐渐提高;通过结果可以得出,支持向量机预测模型有较强的外推能力和预测计算的有效性,可以更好地描述边坡稳定性复杂的非线性关系,更适用于边坡稳定性的预测分析。
论文目录
文章来源
类型: 期刊论文
作者: 史笑凡,杨春风,王可意
关键词: 道路工程,边坡稳定性,支持向量机,路基滑坡,神经网络
来源: 公路交通科技 2019年01期
年度: 2019
分类: 工程科技Ⅱ辑
专业: 公路与水路运输
单位: 河北工业大学土木与交通学院,河北工业大学土木工程重点实验中心,河北工程大学
基金: 河北省交通运输厅科技计划项目(T2012129)
分类号: U416.1
页码: 31-37
总页数: 7
文件大小: 873K
下载量: 373