基于人工神经网络方法的锦屏一级水电站枢纽区高边坡稳定性分区研究

基于人工神经网络方法的锦屏一级水电站枢纽区高边坡稳定性分区研究

论文摘要

论文以“广义系统科学”和“地质过程机制分析与定量评价”学术思想为指导思想,在地质分析的基础上对锦屏Ⅰ级水电站枢纽区高边坡稳定性进行分区研究。论文构建了15-31-7结构的BP人工神经网络及15-7结构的概率神经网络,用该网络对锦屏一级水电站枢纽区高边坡稳定性进行了预测,并将其结果与工程地质分析法、极限平衡法、数值模拟法计算的结果进行了比较,认为人工神经网络法计算的结果是可靠的。论文对V#线下游左岸边坡、右岸普斯罗沟工程边坡在不同条件下的稳定性进行了充分、系统的研究,这些都可直接作为施工期和运行期边坡稳定性研究阶段的成果,同时也是为今后其它水电站的修建提供范例,为高陡边坡研究进行探索,对锦屏一级水电站的修建和边坡工程的研究都有实际意义。

论文目录

  • 第一章 前言
  • 1.1 选题依据及研究意义
  • 1.2 国内外研究现状
  • 1.2.1 国内外高陡河谷岸坡研究历史及现状综述
  • 1.2.2 岩质边坡稳定性研究的主要方法
  • 1.2.3 人工神经网络的国内外研究现状
  • 1.2.4 人工神经网络存在的问题
  • 1.2.5 锦屏一级水电站勘测历史与现状
  • 1.3 主要研究工作及技术路线
  • 1.4 主要研究成果
  • 第二章 高陡河谷岸坡的区域地质环境概况及枢纽区地质环境条件研究
  • 2.1 工程概况及枢纽区自然地理特征
  • 2.2 河谷地形地貌特征
  • 2.2.1 区域地形地貌特征
  • 2.2.2 枢纽区河谷地形地貌特征
  • 2.3 地层、岩性及地质构造特征
  • 2.3.1 区域地层岩性及地质构造特征
  • 2.3.2 枢纽区地层岩性及地质构造特征
  • 2.3.3 枢纽区岩体卸荷风化特征
  • 2.4 新构造运动与区域稳定性评价
  • 2.4.1 新构造运动特征及其强度
  • 2.4.2 区域构造稳定性评价
  • 2.5 枢纽区水文地质环境条件分析
  • 第三章 枢纽区边坡稳定性分区
  • 3.1 枢纽区各工程边坡简介
  • 3.2 枢纽区边坡结构类型
  • 3.3 枢纽区边坡变形破坏特征及基本模式
  • 3.3.1 枢纽区典型边坡变形破坏特征
  • 3.3.2 右岸岸坡变形破坏基本模式
  • 3.3.3 左岸岸坡变形破坏基本模式
  • 3.4 枢纽区边坡稳定性分区
  • 3.4.1 稳定性分区的主要因素
  • 3.4.2 稳定性初步分区
  • 第四章 BP 神经网络算法的改进研究
  • 4.1 人工神经网络方法简介
  • 4.1.1 人工神经网络模型简介
  • 4.1.2 BP 网络模型简介
  • 4.2 BP 网络的基本工作原理及过程
  • 4.3 BP 网络算法的改进研究
  • 4.3.1 改进的最速梯度下降算法
  • 4.3.2 基于数值优化方法的网络训练算法
  • 4.3.3 初始权值和阀值的优化
  • 4.3.4 误差函数的改进
  • 4.3.5 同伦BP 算法
  • 第五章 神经网络模型的构建
  • 5.1 BP 神经网络模型的详细算法——以弹性算法为例
  • 5.1.1 BP 神经网络隐含层数的选择
  • 5.1.2 BP 网络各层权值W、阀值b 初始化详细算法
  • 5.1.3 应用弹性BP 算法学习BP 网络各层权值W、阀值b 详细算法..
  • 5.1.4 BP 网络预测详细算法
  • 5.2 BP 网络流程图——以弹性算法为例
  • 5.2.1 BP 网络学习过程流程图
  • 5.2.2 BP 网络预测过程流程图
  • 5.3 BP 神经网络的程序实现
  • 5.3.1 程序代码
  • 5.3.2 程序说明
  • 5.4 BP 网络各种算法的比较
  • 5.4.1 训练样本的选取
  • 5.4.2 各种算法速度的比较
  • 5.4.3 慢算法中的隐层节点数研究
  • 5.4.4 同伦算法在慢算法中的应用
  • 5.4.5 各种算法的仿真测验结果比较
  • 5.5 概率神经网络的设计
  • 5.5.1 概率神经网络简介
  • 5.5.2 概率神经网络的程序实现
  • 5.5.3 概率神经网络的仿真测验结果
  • 5.6 本章小结
  • 第六章 基于人工神经网络方法的枢纽区边坡稳定性研究
  • 6.1 人工神经网路的参数提取
  • 6.1.1 枢纽区边坡地下水位变化
  • 6.1.2 边坡稳定性的影响因素
  • 6.1.3 边坡稳定性的分级标准
  • 6.1.4 人工神经网络的参数取值
  • 6.2 人工神经网络的训练
  • 6.2.1 训练样本的获取
  • 6.2.2 BP 网络的RSE 值、参数权重及概率神经网络的扩展参数
  • 6.3 人工神经网络的预测
  • 6.3.1 枢纽区边坡输入参数的提取
  • 6.3.2 网络预测结果分析
  • 6.4 网络预测结果与工程地质分析法分区结果的对比分析
  • 6.5 本章小结
  • 第七章 左岸山梁边坡稳定性研究
  • 7.1 基本工程地质条件
  • 7.1.1 左岸Ⅳ-Ⅵ#山梁基本工程地质条件
  • 7.1.2 左导出口边坡基本工程地质条件
  • 7.2 左岸Ⅳ-Ⅵ#山梁深部裂缝及其形成回顾
  • 7.3 左岸山梁失稳模式及边界条件分析
  • 7.3.1 泄洪雾化下左岸Ⅳ-Ⅵ#山梁整体变形失稳模式及边界条件分析..
  • 7.3.2 泄洪雾化下左岸Ⅳ-Ⅵ#山梁边坡浅表部失稳模式
  • 7.3.3 左导出口开挖边坡变形失稳模式
  • 7.4 左岸山梁稳定性计算
  • 7.4.1 泄洪雾化对左岸Ⅳ#-Ⅵ#梁稳定性影响分析
  • 7.4.2 左岸山梁稳定性的极限平衡计算
  • 7.4.3 左导出口开挖对Ⅳ#-Ⅵ#梁稳定性影响的数值分析
  • 7.4.4 泄洪雾化下Ⅳ#-Ⅵ#山梁变形稳定性的数值分析
  • 7.5 左岸山梁边坡常规计算与人工神经网络计算结果的对比分析
  • 7.5.1 极限平衡法与人工神经网络法计算结果的对比分析
  • 7.5.2 数值模拟法与人工神经网络法计算结果的对比分析
  • 7.6 右岸普斯罗沟工程边坡计算结果
  • 7.7 本章小结
  • 第八章 结论与建议
  • 8.1 主要结论
  • 8.2 对后续研究的建议
  • 附图
  • 参考文献
  • 致谢
  • 摘要
  • 成果
  • 相关论文文献

    • [1].基于BP人工神经网络的桂林市雾霾天气预测[J]. 影像研究与医学应用 2018(05)
    • [2].BP人工神经网络反演在煤层厚度预测中的应用[J]. 煤炭与化工 2018(05)
    • [3].BP人工神经网络在股票预测中的应用[J]. 哈尔滨商业大学学报(自然科学版) 2019(02)
    • [4].BP人工神经网络模型在红外线法测量含沙量中的应用研究[J]. 水利科学与寒区工程 2019(05)
    • [5].利用BP人工神经网络预测天然气中重组分对净化装置的影响[J]. 石油与天然气化工 2018(06)
    • [6].基于BP人工神经网络的汽车整备质量预测方法研究[J]. 时代汽车 2019(14)
    • [7].利用BP人工神经网络预测盐水中CO_2的溶解度[J]. 中国科技论文 2017(24)
    • [8].基于ARIMA模型和BP人工神经网络的产品质量预测[J]. 价值工程 2018(35)
    • [9].BP人工神经网络法在大同市日极大风速预报中的应用[J]. 内蒙古气象 2019(02)
    • [10].深层灌水条件下基于BP人工神经网络方法的冬小麦根系分布预测模型[J]. 节水灌溉 2019(07)
    • [11].BP神经网络预测PVA-ECC在抗盐冻下的结构寿命[J]. 发明与创新(职业教育) 2019(04)
    • [12].新的集成预报及其在短期气候预测中的应用[J]. 重庆大学学报 2010(12)
    • [13].基于BP人工神经网络法沈阳市PM_(2.5)质量浓度集成预报试验[J]. 气象与环境学报 2018(02)
    • [14].基于Mann-kendall检验的日径流预测模型[J]. 黑龙江水利 2016(09)
    • [15].沥青混凝土路面预防性养护时机的人工神经网络方法研究[J]. 公路 2009(10)
    • [16].尾矿坝初始地应力反演研究[J]. 水利技术监督 2020(01)
    • [17].基于BP人工神经网络算法的苹果制干适宜性评价[J]. 中国农业科学 2019(01)
    • [18].基于L-M算法的氨氮浓度预测模型研究[J]. 江西化工 2009(03)
    • [19].2009年广州CPI运行定量分析——基于改进的BP神经网络[J]. 经济论坛 2009(21)
    • [20].隧洞施工人员安全管理系统研究[J]. 水利规划与设计 2015(06)
    • [21].BP人工神经网络法研究PBDE_S类化合物的RRT[J]. 河南师范大学学报(自然科学版) 2015(01)
    • [22].电信客户欠费模型评估[J]. 西安邮电大学学报 2015(04)
    • [23].天气因素在短期电力负荷预测中的应用[J]. 现代电子技术 2011(06)
    • [24].基于BP神经网络的湖泊水体富营养化的短期预测[J]. 实验室研究与探索 2008(06)
    • [25].基于模糊集的BP网络在电力短期负荷预测中的应用[J]. 重庆电子工程职业学院学报 2015(02)
    • [26].基于地理因子的因旱饮水困难人口快速评估模型——以云南省2012年大旱为例[J]. 灾害学 2013(01)
    • [27].BP算法改进及其在多组分混合体系中的应用研究[J]. 轻工科技 2013(05)
    • [28].基于中医运气理论探讨流行性乙型脑炎高发与前期气象因素的相关性并建立预测模型[J]. 北京中医药大学学报 2015(01)
    • [29].永磁机构真空断路器同步关合控制系统设计[J]. 高压电器 2014(06)
    • [30].基于人工神经网络的活性炭吸附亚甲基蓝的研究[J]. 材料导报 2010(24)

    标签:;  ;  ;  ;  ;  ;  ;  

    基于人工神经网络方法的锦屏一级水电站枢纽区高边坡稳定性分区研究
    下载Doc文档

    猜你喜欢