【技术实现步骤摘要】
本专利技术涉及边坡失稳时空概率评估的，具体而言，涉及一种基于机器学习的边坡失稳时空概率的评估方法。
技术介绍
1、边坡工程在其运维过程中不可避免受到多种外界条件的影响，致使其长期服役性能劣化，进而可能诱发边坡失稳问题。一些边坡失稳破坏危害巨大，会对工程结构及人民生命财产造成不可逆转的损失。边坡位移是边坡失稳演化过程中的关键信息，可表征边坡状态的发展趋势。目前，边坡位移预测被认为是实现边坡灾害预报预警的最有效手段之一，因此，为有效避免边坡失稳所导致的损失，如何针对边坡位移做出可靠预测并实现超前评估意义重大。
2、伴随机器学习(machine learning,ml)模型在边坡位移确定性预测中的推广应用，预测结果的准确性得到了保证。而对边坡这一随机性、高风险性的系统而言，在ml位移预测过程中存在多种不确定性。由于地形条件、作业环境的限制，常出现边坡位移测点布置稀疏的问题，导致边坡部分位置无监测数据，影响了不确定性预测结果的空间完整性和丰富性。
3、边坡位移预测应落脚于安全状态评估和风险防范。在边坡安全评价方面，位移切...
【技术保护点】
1.一种基于机器学习的边坡失稳时空概率的评估方法，其特征在于：包括以下步骤：
2.如权利要求1所述的评估方法，其特征在于：Step100具体包括以下步骤：
3.如权利要求2所述的评估方法，其特征在于：Step110包括以下步骤：
4.如权利要求3所述的评估方法，其特征在于：Step120包括以下步骤：
5.如权利要求4所述的评估方法，其特征在于：Step130包括以下步骤：
6.如权利要求5所述的评估方法，其特征在于：Step140包括以下步骤：
7.如权利要求1所述的评估方法，其特征在于：Ste...
【技术特征摘要】
1.一种基于机器学习的边坡失稳时空概率的评估方法，其特征在于：包括以下步骤：
2.如权利要求1所述的评估方法，其特征在于：step100具体包括以下步骤：
3.如权利要求2所述的评估方法，其特征在于：step110包括以下步骤：
4.如权利要求3所述的评估方法，其特征在于：step120包括以下步骤：
5.如权利要求4所述的评估方法，其特征在于：step130包括以下步骤：
6.如权利...
【专利技术属性】
技术研发人员：王武斌，邓志兴，谢康，郝哲睿，李佳珅，肖宪普，
申请(专利权)人：西南交通大学，
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。