典型文献
边坡随机场数字图像特征CNN深度学习及可靠度分析
文献摘要：
考虑土体强度空间变异性,提出了数字图像化随机场特征深度学习模型并进行边坡稳定可靠度分析.通过Karhunen-Loeve展开法离散边坡土体随机场并将离散结果转化为数字图像,建立起随机场图像与边坡功能函数值之间隐式关系的卷积神经网络(CNN)代理模型,进而计算随机场数字图像表征后边坡的失效概率.在建立CNN代理模型时,采用拉丁超立方抽样、贝叶斯优化和五折交叉验证以提高精度.最后以单层不排水饱和黏土边坡和双层黏性土边坡为例说明了该方法的有效性.结果表明:在随机场高维表征图像化和边坡小概率失稳情况下,所提CNN深度学习模型能够比较精确地逼近真实边坡稳定性计算结果,进而显著提高考虑随机场模拟的边坡可靠度分析计算效率.
文献关键词：
空间变异性;边坡可靠度分析;卷积神经网络;数字图像;代理模型
中图分类号：
作者姓名：
姬建;姜振;殷鑫;王涛;崔红志;张卫杰
作者机构：
河海大学土木与交通学院,江苏 南京 210024;岩土力学与堤坝工程教育部重点实验室,江苏 南京 210024
文献出处：
引用格式：
[1]姬建;姜振;殷鑫;王涛;崔红志;张卫杰-.边坡随机场数字图像特征CNN深度学习及可靠度分析)[J].岩土工程学报,2022(08):1463-1473
A类：
B类：
随机场,数字图像,图像特征,土体强度,度空间,空间变异性,图像化,深度学习模型,稳定可靠度,Karhunen,Loeve,开法,散结,功能函数,函数值,隐式,代理模型,图像表征,后边,失效概率,拉丁超立方抽样,贝叶斯优化,五折交叉验证,提高精度,不排水,水饱和,饱和黏土,黏土边坡,黏性土,例说,高维,逼近,边坡稳定性,稳定性计算,高考,边坡可靠度分析,计算效率
AB值：
0.348304
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
