【技术实现步骤摘要】
本申请涉及铁路、公路行业滑坡稳定性安全评估领域，特别涉及一种基于贝叶斯的滑坡参数反分析与失稳概率预测方法及装置。
技术介绍
1、滑坡稳定性评估是滑坡风险定量评估的重要一环，获取准确的物理力学参数是开展滑坡稳定性评估的基本前提条件，在此基础上才可有效的预测滑坡稳定性状态，其失稳概率预测可为防灾减灾提供重要支撑。
2、在实际工程中，土体采样容易受到扰动破坏，难以获得原状土的真实物理力学参数，且由于尺度效应问题，室内试验结果与滑坡真实物理力学参数存在误差；同时在滑坡稳定性概率反分析中，观测数据单一，大多只使用稳定性系数作为观测信息，进而导致滑坡稳定性分析不可靠。
技术实现思路
1、鉴于上述问题，本申请实施例提供了一种基于贝叶斯的滑坡参数反分析与失稳概率预测方法及装置，以便克服上述问题或者至少部分地解决上述问题。
2、本申请实施例的第一方面，公开了一种基于贝叶斯的滑坡参数反分析与失稳概率预测方法，所述方法包括：
3、根据滑坡第一次滑动的工程信息建立数值模型，以及确定随机变量；
4、基于当前统计信息确定所述随机变量的先验分布；
5、根据所述滑坡第一次滑动的实际观测信息和所述数值模型生成的预测信息，结合贝叶斯推断对所述先验分布进行更新，得到后验分布；
6、利用mcmc算法，对所述后验分布进行统计分析，得到所述随机变量的统计特征；
7、根据所述统计特征，采用蒙特卡罗方法进行滑坡第二次滑动失稳概率计算，以及进行第二
8、可选地，根据所述滑坡第一次滑动的实际观测信息和所述数值模型生成的预测信息，结合贝叶斯推断对所述先验分布进行更新，得到后验分布，包括：
9、获取所述滑坡第一次滑动的m个观测滑面特征坐标点，根据所述m个观测滑面特征坐标点和稳定性系数，得到观测数据，m为大于0的整数；
10、基于所述数值模型得到m个预测滑面特征坐标点和预测稳定性系数，根据所述m个预测滑面特征坐标点和所述预测稳定性系数得到预测数据；
11、基于所述观测数据和所述预测数据进行概率密度计算，得到所述随机变量的条件概率密度；
12、基于所述条件概率密度和所述先验分布，得到所述后验分布。
13、可选地，所述方法还包括：
14、利用训练样本构建kriging代理模型，所述kriging代理模型拟合了所述随机变量与滑坡稳定性系数、所述随机变量与有限差分模型所有单元变形量之间的关系；
15、根据所述滑坡第一次滑动的实际观测信息和所述数值模型生成的预测信息，结合贝叶斯推断对所述先验分布进行更新，得到后验分布，包括：
16、根据所述滑坡第一次滑动的实际观测信息和所述kriging代理模型生成的预测信息，结合贝叶斯推断对所述先验分布进行更新，得到后验分布。
17、可选地，利用mcmc算法，对所述后验分布进行统计分析，得到所述随机变量的统计特征，包括：
18、根据所述随机变量的先验分布进行初始化，得到η条马尔科夫链，η等于所述随机变量的数量；
19、分别对所述η条马尔科夫链进行迭代，得到后验样本集；
20、对所述后验样本集进行统计分析，得到随机变量的统计特征，所述统计特征包括：分布的均值、分布的方差和分布的类型。
21、可选地，分别对所述η条马尔科夫链进行迭代，得到后验样本集，包括：
22、针对每条马尔科夫链，根据差分演化确定所述马尔科夫链的第i代候选样本值；
23、根据交叉概率确定是否接受所述第i代候选样本值，得到第i代候选样本；
24、计算所述第i代候选样本的后验概率密度值，在所述后验概率密度值大于概率密度阈值的情况下，将所述第i代候选样本放入所述后验样本集；
25、结束第i次迭代，并去除所述后验样本集中的孤立样本；
26、在不满足收敛的条件下，按照上述步骤进行第i+1次迭代，在满足收敛的条件下，得到所述后验样本集。
27、可选地，根据所述统计特征，采用蒙特卡罗方法进行滑坡第二次滑动的失稳概率计算，包括：
28、根据所述统计特征生成所述随机变量的样本数据；
29、根据所述样本数据得到滑坡稳定性功能响应值；
30、根据所述蒙特卡罗方法，利用所述滑坡稳定性功能响应值进行失稳概率计算，得到所述第二次滑动的失稳概率值。
31、可选地，进行第二次滑动失稳概率最大临界滑动面预测和滑面失稳概率分析，包括：
32、在极限状态函数面上确定出原点的最近点，所述原点表征真实的滑动面；
33、根据所述最近点提取对应的滑动面，以作为所述第二次滑动失稳概率最大临界滑动面；
34、根据标准正态累积分布函数和所述最近点到所述原点的距离，得到所述滑面失稳概率。
35、本申请实施例的第二方面，公开了一种基于贝叶斯的滑坡参数反分析与失稳概率预测装置，所述装置包括：
36、建立模块，用于根据滑坡第一次滑动的工程信息建立数值模型，以及确定随机变量；
37、分布模块，用于基于当前统计信息确定所述随机变量的先验分布；
38、更新模块，用于根据所述滑坡第一次滑动的实际观测信息和所述数值模型生成的预测信息，结合贝叶斯推断对所述先验分布进行更新，得到后验分布；
39、统计模块，用于利用mcmc算法，对所述后验分布进行统计分析，得到所述随机变量的统计特征；
40、分析模块，用于根据所述统计特征，采用蒙特卡罗方法进行滑坡第二次滑动失稳概率计算，以及进行第二次滑动失稳概率最大临界滑动面预测和滑面失稳概率分析。
41、本申请实施例的第三方面，公开了一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现本申请实施例第一方面所述的基于贝叶斯的滑坡参数反分析与失稳概率预测方法的步骤。
42、本申请实施例的第四方面，公开了一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现本申请实施例第一方面所述的基于贝叶斯的滑坡参数反分析与失稳概率预测方法的步骤。
43、本申请实施例包括以下优点：
44、在本申请实施例中，考虑随机变量的不确定性的因素，并基于多种观测信息来进行滑坡稳定性分析。首先根据滑坡第一次滑动的工程信息建立数值模型，并确定随机变量，同时基于当前统计信息确定随机变量的先验分布；进而根据滑坡第一次滑动的实际观测信息和数值模型生成的预测信息，结合贝叶斯推断对先验分布进行更新，得到后验分布；接着利用mcmc算法，对后验分布进行统计分析，得到随机变量的统计特征；最后根据统计特征，采用蒙特卡罗方法进行滑坡第二次滑动失稳概率计算，以及进行第二次滑动失稳概率最大临界滑动面预测和滑面失稳概率分析本文档来自技高网...
【技术保护点】
1.一种基于贝叶斯的滑坡参数反分析与失稳概率预测方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，根据所述滑坡第一次滑动的实际观测信息和所述数值模型生成的预测信息，结合贝叶斯推断对所述先验分布进行更新，得到后验分布，包括：
3.根据权利要求1所述的方法，其特征在于，所述方法还包括：
4.根据权利要求1所述的方法，其特征在于，利用MCMC算法，对所述后验分布进行统计分析，得到所述随机变量的统计特征，包括：
5.根据权利要求4所述的方法，其特征在于，分别对所述η条马尔科夫链进行迭代，得到后验样本集，包括：
6.根据权利要求1所述的方法，其特征在于，根据所述统计特征，采用蒙特卡罗方法进行滑坡第二次滑动的失稳概率计算，包括：
7.根据权利要求1所述的方法，其特征在于，进行第二次滑动失稳概率最大临界滑动面预测和滑面失稳概率分析，包括：
8.一种基于贝叶斯的滑坡参数反分析与失稳概率预测装置，其特征在于，所述装置包括：
9.一种电子设备，包括存储器、处理器及存储在存储器上并
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时实现权利要求1-7任一项所述的基于贝叶斯的滑坡参数反分析与失稳概率预测方法的步骤。
...【技术特征摘要】
1.一种基于贝叶斯的滑坡参数反分析与失稳概率预测方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，根据所述滑坡第一次滑动的实际观测信息和所述数值模型生成的预测信息，结合贝叶斯推断对所述先验分布进行更新，得到后验分布，包括：
3.根据权利要求1所述的方法，其特征在于，所述方法还包括：
4.根据权利要求1所述的方法，其特征在于，利用mcmc算法，对所述后验分布进行统计分析，得到所述随机变量的统计特征，包括：
5.根据权利要求4所述的方法，其特征在于，分别对所述η条马尔科夫链进行迭代，得到后验样本集，包括：
6.根据权利要求1所述的方法，其特征在于，根据所述统计特征，采用蒙特卡罗方...
【专利技术属性】
技术研发人员：曾鹏，郭海强，李炼，王宇豪，高柏松，杨淑梅，杨泉，陶奇，刘力维，胡炜，
申请(专利权)人：成都理工大学，
类型：发明
国别省市：
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。