降雨影响下高边坡渗压神经网络监测模型

上海交通大学学报（自然版） ›› 2013, Vol. 47 ›› Issue (10): 1548-1551.

降雨影响下高边坡渗压神经网络监测模型

黄铭1，刘俊2

(1.合肥工业大学土木与水利工程学院，合肥 230009； 2.上海交通大学船舶海洋与建筑工程学院，上海 200240)

收稿日期:2012-11-05 出版日期:2013-10-30 发布日期:2013-10-30

Seepage Pressure Neural Network Monitoring Model for High Slope Considering the effect of Rainfall

HUANG Ming1,LIU Jun2

(1.School of Civil Engineering, Hefei University of Technology, Hefei 230009, China; 2.School of Naval Architecture, Ocean and Civil Engineering, Shanghai Jiaotong University, Shanghai 200240, China)

Received:2012-11-05 Online:2013-10-30 Published:2013-10-30

摘要/Abstract

摘要：

为准确揭示高边坡在降雨影响下的渗压变化规律，掌握其安全状态，在降雨作用分析基础上，提出以积分型降雨因子进行边坡渗压分析；以径向基函数(RBF)神经网络为建模工具，构建渗压降雨监测模型结构，并根据高密度采集的实测序列与模糊C均值聚类（FCM）算法进行RBF计算中心的比较选择.应用表明，积分型降雨因子能有效反映降雨的作用，以实测数据建立的渗压监测模型取得了理想效果.

关键词: 高边坡, 渗压, 降雨, 径向基函数, 监测模型

Abstract:

In order to describe the seepage pressure regular pattern of high slope affected by rainfall, and get to know its safety state, integral rainfall factor was presented into these analysis. The monitoring model frame based on Radial basis function (RBF) artificial neural network was constructed considering the integral rainfall factor. RBF centers were confirmed by the fuzzy cmeans algorithm (FCM) with the observed data. Application shows that the integral rainfall factor can effectively reflect the rainfall effect, and the monitoring model achieve good training and forecasting results.

Key words: high slope, seepage pressure, rainfall, radial basis function (RBF), monitoring model

中图分类号:

TU 454

黄铭1，刘俊2. 降雨影响下高边坡渗压神经网络监测模型[J]. 上海交通大学学报（自然版）, 2013, 47(10): 1548-1551.

HUANG Ming1,LIU Jun2. Seepage Pressure Neural Network Monitoring Model for High Slope Considering the effect of Rainfall[J]. Journal of Shanghai Jiaotong University, 2013, 47(10): 1548-1551.

参考文献

［1］黄铭．数学模型与工程安全监测［M］．上海：上海交通大学出版社，2008.

［2］黄铭,刘俊,葛修润.边坡开挖期实测位移的分解与合成预测［J］. 岩石力学与工程学报, 2003,22(8):13201323.

HUANG Ming, LIU Jun, GE Xiurun. Predeiction of resolution and composition of measured displacement during slope excavation［J］. Chinese Journal of Rock Mechanics and Engineering, 2003,22(8):13201323.

［3］HUANG Ming, LIU Jun. Monitoring and analysis of shanghai pudong seawall performance［J］. Journal of Performance of Constructed Facilities，2009, 23(6): 399405.

［4］KIM Dongwon, HUH Sunghoe, SEO Samjun, et al. Selforganizing radial basis function network modeling for robot manipulator ［C］ ∥ Lecture Notes in Computer Science. Berlin:Springer, 2005:579587.

［5］HUANG Ming, LIU Jun, WANG Ning. Foundation pit multipoint displacement RBF monitoring model and application key points［C］ ∥ MACE2010. Piscataway: IEEE Computer Society, 2010: 45624565.

［6］张秀玲，陈丽杰，季颖, 等. 基于径向基函数神经网络的板形模式识别研究［J］. 工业仪表与自动化装置，2009(3):79.

ZHANG Xiuling, CHEN Lijie, JI Ying, et al. Research on the flatness pattern recognition based on radial basic function network［J］. Industrial Instrumentation & Automation, 2009(3):79.

［7］刘笛，朱学峰，苏彩红. 一种新型的模糊Ｃ均值聚类初始化方法［J］. 计算机仿真, 2004，21(11)：148151.

LIU Di, ZHU Xuefeng, SU Caihong. A novel initialization method for fuzzy Cmeans algorithm［J］. Computer Simulation, 2004, 21(11):148151.

［8］黄铭，刘俊. 堆载预压作用下路基沉降的多测点监测模型［J］.上海交通大学学报, 2011, 45(5)：753756.

HUANG Ming, LIU Jun. Multipoint monitoring model on road foundation settlement considering heaping precompaction effect［J］. Journal of Shanghai Jiaotong University, 2011, 45(5)：753756.

[1]	姚茂宏, 陈铁林, 樊容, 杨子力, 石野. 强降雨条件下考虑气压和渗流作用的边坡稳定性[J]. 上海交通大学学报, 2022, 56(6): 739-745.
[2]	张宇, 王晓亮. 基于显式动力学的软式飞艇流固耦合计算框架[J]. 上海交通大学学报, 2021, 55(3): 311-319.
[3]	丘文桢, 宋兴宇, 张新曙. 基于代理模型的三立柱半潜平台多目标优化[J]. 上海交通大学学报, 2021, 55(1): 11-20.
[4]	刘陈续, 于桂兰. 基于神经网络的层状周期结构能量传输谱预测[J]. 上海交通大学学报, 2021, 55(1): 88-95.
[5]	肖朝昀, 李明广, 王大发, 陈锦剑. 降雨影响下残积土层中深基坑变形特性测试及分析[J]. 上海交通大学学报, 2020, 54(8): 873-880.
[6]	杨森，何卫平，王月，郭改放. 金属零件微小数据矩阵码快速精定位[J]. 上海交通大学学报（自然版）, 2018, 52(7): 816-824.
[7]	宋学伟，马玲玲，黄天仑，刘敏. T形管液压成形自适应径向基函数优化设计[J]. 上海交通大学学报（自然版）, 2017, 51(11): 1340-1347.
[8]	吴利杰, 于娟, 石建省, 王成敏, 毕志伟, 郭娇. 长尺度气候变化下土壤钾素演变规律的研究——以泾河中游将军村黄土剖面为例[J]. 上海交通大学学报(农业科学版), 2016, 34(1): 69-73.
[9]	聂冰a，赵慧敏a，丁鸣艳b，李文a. 组态式牵引电动机故障诊断模型[J]. 上海交通大学学报（自然版）, 2015, 49(03): 402-405.
[10]	黄铭1，刘俊2. 海堤渗压神经网络分布模型的建立及规律分析[J]. 上海交通大学学报（自然版）, 2014, 48(11): 1655-1659.
[11]	黄铭1, 刘俊2. 海堤渗压多测点径向基函数监测模型的建立[J]. 上海交通大学学报（自然版）, 2012, 46(10): 1675-1679.
[12]	凌小峰, 宫新保, 金荣洪. 基于免疫机制的径向基函数网络动态训练方法[J]. 上海交通大学学报（自然版）, 2012, 46(04): 642-645.
[13]	王志强, 邵之江, 万娇娜, 方学毅. 基于径向基函数的动态优化问题联立求解方法[J]. 上海交通大学学报（自然版）, 2011, 45(08): 1221-1225.
[14]	王欢1, 车爱兰1, 葛修润1, 陈富海2. 岩质高边坡动力稳定性评价方法与应用[J]. 上海交通大学学报（自然版）, 2011, 45(05): 706-710.
[15]	黄铭1, 刘俊2. 堆载预压作用下路基沉降的多测点监测模型[J]. 上海交通大学学报（自然版）, 2011, 45(05): 753-756.