高速公路论文栏目提供最新高速公路论文格式、高速公路硕士论文范文。详情咨询QQ:357500023

基于主成分分析的小波神经网络算法的高海拔高烈度公路边坡稳定性预测研究

论文编号:lw201811061716354009 所属栏目:高速公路论文 发布日期:2018年11月06日 论文作者:无忧论文网
基于主成分分析的小波神经网络算法的高海拔高烈度公路边坡稳定性预测研究
摘要:高海拔高烈度公路边坡稳定性对于公路建设的安全性和经济性具有非常重要的影响,因此,将主成分分析法和小波神经网络融合起来对其进行预测。首先,进行了高海拔高烈度公路边坡稳定性分析,分析了其主要影响因素。其次,研究了基于主成分分析的神经网络算法模型,设计了算法流程。然后,进行了高烈度高海拔公路边坡稳定性预测的仿真分析,仿真结果表明该算法提高了预测的效率和预测的准确性,具有较为广阔的应用前景。
关键词:主成分分析;小波神经网络;高烈度高海拔;边坡
1 引言
    高海拔高烈度地区地势比较险峻,气候环境变化莫测,岩石的冻融的现象非常严重,土壤覆盖层非常薄,土质也比较稀疏,此外,高海拔高烈度地区的岩体风化现象比较严重,强度降低了很多,并且容易产生裂纹,新构造也非常活跃,极易产生地震,在较强的地震力作用下高海拔高烈度公路边坡容易出现失稳,将阻碍交通,甚至产生人员伤亡。因此,高海拔高烈度公路边坡稳定性对于公路建设的安全性、可行性以及经济性都有着非常重要的影响,同时能够提高公路工程建设的投资和使用效益,因此,应该高海拔高烈度的公路边坡稳定性预测具有非常重要的实践意义[1]。高海拔高烈度地区公路边坡的稳定性分析非常属于一项复杂的系统工程,需要考虑多方面的因素,提高高海拔高烈度公路边坡稳定性预测的准确性需要寻求一种有效的预测方法,目前,常用的预测方法有摩擦圆法、圆弧法、简布法和有限元法等,但这些预测方法的实施过程比较繁琐,小波神经网络是一种性能优良的预测方法,能够具有较好的预测准确性,但是数据维度比较大,应该选择一种有效的降维方法,主成分分析法属于一种多元统计法,能够将多项指标转换为几个综合指标,不同的综合指标互不相关,进而能够降低维度,减少了问题分析的复杂性,将主成分分析法和小波神经网络结合起来对高海拔高烈度公路边坡稳定性进行预测是切实可行的。
2 高海拔高烈度公路边坡稳定性分析
高海拔高烈度地区海拔高,日照时间非常长,温度也很大,冻融、雪灾、风沙、干旱等自然灾害较为常见,该区域公路边坡稳定性对于提高公路建设水平具有非常重要的作用,公路边坡的稳定一般采用安全系数来表述,计算公式如下所示[2]:
                                                        (1)


3 基于主成分分析的神经网络算法模型


4 小波神经网络的训练算法


5 实例分析






6 结论
    将基于主成分分析的小波神经网络应用于高海拔高烈度公路边坡稳定性预测中,构建了高海拔高烈度公路边坡稳定性预测模型,主成分分析法可以减少小波神经网络输入参数的数量,从而提高了预测效率。通过预测仿真分析可知,


1