典型文献
基于机器学习的锚固岩质边坡变形预测
文献摘要：
锚索锚固是一种广泛使用的边坡加固技术,锚固性能的研究是锚固的核心问题之一.利用有限差分程序建立324组物理力学参数不同的锚固边坡,组成包括锚索参数和岩土体性质参数的9维输入指标和以沉降位移和塑性区面积为输出指标的数据集,分析输入输出指标间的关系.随后用随机森林和神经网络方法学习数据并建立层状边坡变形预测模型.分析显示,边坡沉降位移和塑性区面积预测结果变化对锚索性质参数中锚索总长度变化最敏感,锚固力的变化影响最小;岩土体物理力学性质中边坡力学指标黏聚力、内摩擦角起主要影响作用,岩土体密度变化影响最小;对预测结果的误差分析表明随机森林变形预测模型预测准确性比反向传播(back propagation,BP)神经网络变形预测模型高5％ ～10％;模型预测沉降的偏差率小于预测塑性区面积的偏差率.研究表明随机森林算法在锚固效果预测问题上更加具有适用性,通过建立预测模型可以快速预测锚固边坡沉降位移和塑性区面积,指导锚固方案优化和变形控制设计.
文献关键词：
锚索;边坡;有限差分FLAC3D;沉降;塑性区面积;变形预测;随机森林;BP神经网络
中图分类号：
作者姓名：
刘君浩;熊承仁
作者机构：
中国地质大学(武汉)湖北巴东地质灾害国家野外科学观测研究站,武汉430074
文献出处：
引用格式：
[1]刘君浩;熊承仁-.基于机器学习的锚固岩质边坡变形预测)[J].科学技术与工程,2022(29):12993-13003
A类：
锚固岩质边坡
B类：
基于机器学习,边坡变形,变形预测,边坡加固技术,锚固性能,有限差分,物理力学参数,锚固边坡,锚索参数,岩土体,土体性质,沉降位移,塑性区面积,输入输出,神经网络方法,方法学,学习数据,层状边坡,面积预测,总长度,锚固力,变化影响,土体物理力学性质,力学指标,黏聚力,内摩擦角,体密度,误差分析,预测准确性,反向传播,back,propagation,差率,随机森林算法,锚固效果,效果预测,快速预测,方案优化,变形控制,控制设计,FLAC3D
AB值：
0.325751
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。
