RBF神经网络在边坡岩体稳定性中的预测研究  

Predicting Models to Estimate Stability of Rock Slope Based on RBF Neural Network

作　　者：付义祥[1] 刘世凯[1] 刘大鹏[2] 

机构地区：[1]武汉理工大学交通学院,武汉430063 [2]北京交通干部管理学院,北京100000

出　　处：《武汉理工大学学报（交通科学与工程版）》2003年第2期170-173,共4页Journal of Wuhan University of Technology（Transportation Science & Engineering）

基　　金：湖北省自然科学基金项目资助 (项目编号 2 0 0 1abb0 87)

摘　　要：简要分析 RBF网络的结构特点及最近邻聚类学习算法之后 ,以大量边坡工程的稳定状况为学习训练样本及预测样本 ,建立了预报模型 .讨论了基于 RBF神经网络技术的边坡岩体稳定性分析方法及其有效性 .研究表明 ,用The structure of the radial basic function and the nearest neighbor clustering learning algorithm have been discussed in detail. Based on a large amount of rock slope engineering cases related to hydroelectric power projects. A model for prediction is set up. Practical effectiveness of the theory of RBF neural network to predict the safety of rock slopes is discussed. The study suggests that the method is feasible for prediction of rock slope stability.

关 键 词：边坡 岩体工程 稳定性分析 径向基函数 RBF 神经网络 最近邻聚类算法 预报模型 

分 类 号：TU457[建筑科学—岩土工程]