基于工程模糊集理论的边坡稳定性评价及预测

论文摘要

我国是个滑坡灾害频发的国家,滑坡对人民的生命财产安全和经济建设构成了极大的威胁。随着我国现代化建设事业的迅速发展,在水利水电、矿山、港口、公路、铁路和能源等工程领域逐步形成了越来越多的高陡边坡与深凹边坡,如何安全、可靠、有效地分析与评价边坡的稳定性,并进而实现滑坡预测预报具有重大的理论和现实意义。本文回顾了边坡的稳定性研究的发展现状,指出了各种分析方法存在的不足及发展趋势,提出了本文的研究内容,并取得如下成果: （1） 边坡稳定性模糊评价是个很有前途的方法,但许多有关文献存在着将隶属函数的概念与定义绝对化的缺陷,致使隶属函数的确定非常困难且带有较大的主观随意性,影响了这类方法在工程中的广泛应用。为此,本文将陈守煜教授创立的工程模糊集理论引入到边坡稳定性分析中,对一些主要的理论和方法在边坡稳定性分析中的应用进行了研究。 （2） 大量边坡工程实例为边坡稳定性分析提供了丰富的知识,且具有一定的类聚性。本文应用陈守煜教授提出的模糊聚类循环迭代模型对大量边坡工程实例进行了聚类分析,指出了模糊聚类迭代模型中存在的不完全收敛性,并基于模糊优选理论,提出了模糊相似聚类模型。实例分析表明,模糊相似聚类方法可以对聚类样本进行自然分类,避免了模糊聚类迭代模型中存在的不完全收敛性问题。 （3） 基于实例推理（Case-based Reasoning,CBR）是近些年来发展起来的一项人工智能新技术,为边坡稳定性评价提供了一条可行的新途径。根据实例类比推理思想,作者将模糊优选理论应用于边坡相似性对比中,提出了边坡稳定性评价的模糊相似优选方法。该方法能考虑多种不确定因素的影响,适用于从工程实例中提取特征、获得知识,并从这些实例中找出与待评价边坡特征最相似的边坡样本,从而对边坡稳定性做出评价。实际计算结果表明,模糊相似优选模型是一种评判边坡稳定性的有效方法。 （4） 在边坡稳定性模糊评价中,指标权重一般都是依靠分析者根据自身的知识、经验和智慧来确定,对于影响因素众多的边坡稳定性分析来说这是不够的,具有较多的主观随意性。因此,需要从已知的决策矩阵信息中获取隐含的客观信息,确定权重的客观值,但是所谓的客观权重又往往忽视了分析者的偏好程度。这就迫切需要寻找一种既可考虑决策的客观性,又可考虑分析者的主观能动性的决策模型,以达到正确评价边坡稳定性的目的。为此,本文将陈守煜教授提出的主、客观权重模糊模式识别方法应用在边坡稳定性分析中,取得了较好的效果。 （5） 针对边坡稳定性模糊评价中影响因素众多、直接确定权重困难的问题,

论文目录

• 1 绪论
• 1.1 本文研究的目的和意义
• 1.2 边坡稳定性评价的主要方法
• 1.2.1 定性分析方法
• 1.2.2 定量分析方法（数学模型法）
• 1.2.3 非确定性分析方法
• 1.2.4 物理模型方法及监测分析法
• 1.3 边坡稳定性研究的发展趋势
• 1.4 边坡稳定性分析的不确定性及本文研究的主要内容
• 1.5 工程模糊集理论简介
• 1.5.1 相对隶属度与级别特征值定义
• 1.5.2 模糊优选理论及多层次决策系统模糊优选方法
• 1.5.3 模糊模式识别理论与模糊识别交叉迭代模型
• 1.5.4 模糊聚类理论模型
• 1.5.5 以互补性准则为基础的二元比较模糊决策分析理论
• 2 边坡稳定性模糊聚类分析及预测
• 2.1 引言
• 2.2 模糊聚类迭代模型在边坡稳定性预测中的应用
• 2.2.1 模糊聚类迭代模型
• 2.2.2 边坡稳定性模糊聚类预测
• 2.2.3 应用实例
• 2.3 模糊相似聚类模型
• 2.3.1 模糊聚类迭代模型存在的问题
• 2.3.2 模糊相似聚类模型的建立
• 2.3.3 模糊相似聚类模型在边坡稳定性预测中的应用
• 2.4 小结
• 3 模糊相似优选方法在边坡稳定性评价中的应用
• 3.1 引言
• 3.2 边坡稳定性模糊相似优选评价方法
• 3.3 应用实例
• 3.4 小结
• 4 边坡稳定性主客观权重模糊模式识别分析
• 4.1 引言
• 4.2 主客观权重模糊模式识别分析方法
• 4.2.1 确定边坡稳定性指标客观权重的模糊模式识别交叉迭代模型
• 4.2.2 分析者对指标偏好的主观权重确定方法
• 4.2.3 确定边坡稳定性指标权重的主、客观综合法
• 4.3 主、客观权重模糊模式识别模型应用
• 4.3.1 工程实例
• 4.3.2 建立边坡稳定性评定分级标准
• 4.3.3 指标相对隶属度矩阵的确定
• 4.3.4 模糊模式识别交叉迭代模型确定指标的客观权重
• 4.3.5 主观权重的确定
• 4.3.6 边坡稳定性指标权重的综合确定
• 4.3.7 计算样本集归属各级别的相对隶属度矩阵
• 4.4 小结
• 5 多层模糊模式识别模型在边坡稳定性评价中的应用
• 5.1 引言
• 5.2 多层模糊模式识别评价理论与模型
• 5.2.1 模糊模式识别模型
• 5.2.2 多层模糊模式识别评价模型
• 5.3 应用实例
• 6 滑坡预报的综合统计模型及模糊优选法定权研究
• 6.1 引言
• 6.2 边坡位移曲线的正态特性
• 6.2.1 位移—时间正态模型的建立
• 6.2.2 位移—时间半正态模型
• 6.2.3 对数模型
• 6.2.4 滑坡预报的综合统计模型
• 6.3 生物增长曲线模型
• 6.3.1 Weibull模型
• 6.3.2 Ratkousky渐近模型
• 6.3.3 Pearl模型
• 6.4 多元非线性回归模型
• 6.5 位移—时间回归模型计算
• 6.5.1 模型计算方法
• 6.5.2 模糊优选法定权研究
• 6.6 应用实例研究
• 6.6.1 工程背景
• 6.6.2 非线性回归模型对比分析
• 6.7 小结
• 7 滑坡位移曲线模糊相似优选方法研究
• 7.1 引言
• 7.2 滑坡位移曲线模糊相似优选
• 7.2.1 滑坡位移曲线的模糊相似优选模型
• 7.2.2 滑坡位移曲线模糊相似优选方法
• 7.2.3 参选曲线指标权的确定
• 7.3 应用实例研究
• 7.3.1 工程背景
• 7.3.2 参选模型的对比分析
• 7.3.3 非线性回归模型模糊优选
• 7.4 小结
• 8 边坡稳定性智能评价及预测模式研究
• 8.1 引言
• 8.2 RBF神经网络模型分析
• 8.2.1 RBF神经网络模型
• 8.2.2 RBF神经网络训练算法
• 8.3 边坡稳定性评价及预测的模糊相似聚类RBF神经网络
• 8.3.1 问题的提出
• 8.3.2 模糊相似聚类RBF神经网络模型
• 8.3.3 实例研究
• 8.4 边坡稳定性评价及预测的模糊相似聚类识别神经网络方法
• 8.4.1 模糊相似聚类识别神经网络模型
• 8.4.2 实例研究
• 8.5 小结
• 9 总结与展望
• 9.1 总结
• 9.2 展望
• 创新点摘要
• 参考文献
• 攻读博士期间参加课题和完成论文
• 致谢
• 大连理工大学学位论文版权使用授权书