【摘要】：边坡变形监测是边坡监测的主要内容之一,其变形预测问题是边坡工程中主要技术难题之一。考虑边坡位移变形预测模型的局限性,如神经网络预测方法需要大量的实测数据作为学习样本,灰色系统模型要求原始数据序列必须满足指数规律,且数据序列变化速度不能太快等。建立了边坡变形反向传播神经网络预测模型,同时给出了灰色GM(1,1)边坡预测模型。提出边坡的神经网络与灰色系统加权函数组合预测模型,采用动态规划解法,将原模型转化为多阶段决策问题,使组合预测误差的平方和最小,得到组合权重,这样得到的变形预测结果的精度将大大提高,弥补了单一方法的局限性,满足工程预测的需要。通过边坡实例加以验证,加权函数组合预测模型的预测结果精度有一定提高,能够与实际监测数据相吻合,达到准确预测的目的。 【作者单位】： 河海大学岩土工程研究所;
【关键词】： 变形预测 神经网络预测模型 灰色系统 组合预测模型 动态规划 加权函数 边坡位移 边坡变形 神经网络预测方法 预测结果
【分类号】：TU43
【DOI】：CNKI:SUN:GCDZ.0.2008-04-013
【正文快照】： 1引言边坡位移作为内部力学现象的宏观变现,具有很强的不确定性,长久以来,边坡位移监测是边坡监测的主要内容之一,其变形预测问题是边坡工程中主要技术难题之一。现有的力学理论仍不能彻底解决边坡位移预测问题。近年来人们应用一些数学方法来预测边坡的未来变形,取得了丰富