【技术实现步骤摘要】
一种基于深度学习的边坡安全系数计算方法
[0001]木工程领域中，修建房屋、道路、桥梁等基础设施时，经常需要对边坡岩土体的稳定性进行分析，防止岩土体受到破坏后失稳，出现滑坡、泥石流等灾害。分析时边坡的安全系数是一个最重要的指标。直接反映边坡岩土体是否稳定。
技术介绍
[0002]边坡安全系数是边坡岩土体下滑力与抗滑力的比值，是评价边坡稳定性的重要指标。现有的计算边坡安全系数的方法有极限平衡方法、有限元方法等。极限平衡方法需要对所有可能的滑动面进行搜索，找出安全系数最小的的那一个。有限元方法利用折减系数对边坡岩土体的物理力学参数进行折减，直至折减到某个数值时，计算位移不再收敛，从而得出安全系数。这些方法都涉及到软件建模以及复杂计算，需要花费较多时间以及对电脑性能要求较高。
技术实现思路
[0003]本专利技术的目的是为解决边坡安全系数计算的技术问题。
[0004]为达到解决上述问题的目的，本专利技术提出一种基于深度学习的计算方法，包括以下步骤。
[0005]步骤1：勘查待计算安全系数的边坡，获取
【技术保护点】
【技术特征摘要】
1.一种基于深度学习的边坡安全系数计算方法，其特征在于，包括以下步骤：步骤1：勘查待计算安全系数的边坡，获取其物理力学参数；步骤2：搭建并训练安全系数计算模型以边坡各项物理力学参数作为输入，对应的安全系数作为输出，基于深度学习算法，搭建并训练边坡安全系数计算模型；所述边坡物理力学参数包括边坡岩土体力学参数、边坡外形参数；步骤3：计算边坡安全系数。2.根据权利要求1所述的基于深度学习的边坡安全系数计算方法，其特征在于，所述步骤2包括下述步骤：步骤2.1：获取样本集利用步骤1勘查得到的边坡岩土体物理力学参数，对应的标注安全系数，以每个边坡的参数、每个边坡的安全系数为一个样本，构建样本集A；步骤2.2：划分样本集将样本集A中的样本按照a1:a2:a3的比例分为训练样本集A1、验证样本集A2、测试样本集A3；步骤2.3：搭建边坡安全系数计算模型；以边坡各项物理力学参数作为输入，对应的安全系数作为输出，基于深度学习算法，搭建并训练边坡安全系数计算模型；步骤2.4：...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。