边坡神经网络模型选取方法、装置、设备及可读存储介质制造方法及图纸

本发明专利技术提供了一种边坡神经网络模型选取方法、装置、设备及可读存储介质，涉及山地灾害技术领域，包括：根据破坏模式将边坡划分为若干种不同种类的边坡,获取每种边坡的研究参数；通过数值模拟计算每种边坡在不同研究参数下的变形特征，构建每种边坡的数据样本集；根据所述数据样本集对神经网络模型进行训练和测试，得到每种边坡对应的最优神经网络模型；建立专家系统；获取现场边坡的破坏模式，将所述现场边坡的破坏模式输入所述专家系统，得到现场边坡的建议神经网络模型和对应的模型结构参数，本发明专利技术基于边坡破坏模式来自动选取用于预测边坡的内部情况的最优神经网络类型，更具有科学性和实用性。具有科学性和实用性。具有科学性和实用性。

【技术实现步骤摘要】
边坡神经网络模型选取方法、装置、设备及可读存储介质


[0001]本专利技术涉及山地灾害
，具体而言，涉及边坡神经网络模型选取方法、装置、设备及可读存储介质。

技术介绍

[0002]随着智能岩土的高速发展，各种神经网络模型也都用于边坡稳定性的分析、边坡破坏模式的识别及边坡表观变形特征的预测，而现有的最优神经网络类型的选取方法不仅选取精度低高、应用范围窄，且还容易出现错误判断的情况，从而造成设计、施工上的错误和工程安全隐患。经相关调查显示，过去在选择最优神经网络类型中，少有基于边坡破坏模式选取最优神经网络类型的应用，而通过多种实验证明，基于边坡破坏模式来选取最优神经网络类型的方法更具有科学性和实用性。

技术实现思路

[0003]本专利技术的目的在于提供一种边坡神经网络模型选取方法、装置、设备及可读存储介质，以改善上述问题。为了实现上述目的，本专利技术采取的技术方案如下：第一方面，本申请提供了一种边坡神经网络模型选取方法，包括：根据破坏模式将边坡划分为若干种不同种类的边坡,获取每种边坡的研究参数；通过数值模拟计算每种边坡在不同研本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种边坡神经网络模型选取方法，其特征在于，包括：根据破坏模式将边坡划分为若干种不同种类的边坡,获取每种边坡的研究参数；通过数值模拟计算每种边坡在不同研究参数下的变形特征，以研究参数为输入标签、变形特征为输出标签构建每种边坡的数据样本集；分别根据每种边坡对应的所述数据样本集对神经网络模型进行训练和测试，得到每种边坡对应的最优神经网络模型和模型结构参数；根据所有边坡对应的最优神经网络模型和模型结构参数建立专家系统；获取现场边坡的破坏模式，将所述现场边坡的破坏模式输入所述专家系统，得到现场边坡的建议神经网络模型和对应的模型结构参数。2.根据权利要求1所述的边坡神经网络模型选取方法，其特征在于,获取每种边坡的研究参数，包括：获取每种边坡引发失稳破坏的因素；根据所述引发失稳破坏的因素确定边坡的研究对象；获取描述所述研究对象的一种或多种研究参数。3.根据权利要求1所述的边坡神经网络模型选取方法，其特征在于,所述通过数值模拟计算每种边坡在不同研究参数下的变形特征，包括：获取每种边坡的一种或多种研究参数的取值范围；对每种边坡建立对应的三维地质模型；从研究参数的取值范围中选择每种边坡的研究参数的不同取值；根据每种边坡对应研究参数的不同取值分别对每种边坡对应的三维地质模型进行仿真模拟，得到每种边坡的研究参数在不同取值下的变形特征。4.根据权利要求1所述的边坡神经网络模型选取方法，其特征在于,分别根据每种边坡对应的所述数据样本集对神经网络模型进行训练和测试，得到每种边坡对应的最优神经网络模型和模型结构参数，包括：按照8：2的比例将每种边坡的数据样本集划分为训练集和验证集；获取所有类型的神经网络和每种神经网络中所有结构的神经网络模型；利用所述训练集依次训练每种神经网络中各结构的神经网络模型，再利用验证集依次验证每种神经网络中各结构的神经网络模型的计算误差；将所有神经网络中计算误差的最小值所对应的神经网络模型作为边坡的最优神经网络模型；获取所述最优神经网络模型训练得到的模型结构参数。5.一种边坡神经网络模型选取装置，其特征在于，包括：分类模块：用于根据破坏模式将边坡划分为若干种不同种类的边坡,获取每种边坡的研究参数；样本集构建模块：用于通过数值模拟计算每种边坡在不同研究参数下的变形特征，以研究参数为输入标签、变形特征为输出标签...

【专利技术属性】
技术研发人员：杨涛，李搏凯，张润泽，于贵，宋怡鲜，张哲，郁智超，
申请(专利权)人：西南交通大学，
类型：发明
国别省市：