• 
    

    
    

      99热精品在线国产_美女午夜性视频免费_国产精品国产高清国产av_av欧美777_自拍偷自拍亚洲精品老妇_亚洲熟女精品中文字幕_www日本黄色视频网_国产精品野战在线观看 ?

      基于PCA—GRNN神經(jīng)網(wǎng)絡(luò)的露天礦邊坡穩(wěn)定性分析

      2016-09-23 03:18:07閆守志郭紹征陳勇智趙建強倪澤雨
      科技與創(chuàng)新 2016年16期
      關(guān)鍵詞:邊坡穩(wěn)定性主成分分析

      閆守志 郭紹征 陳勇智 趙建強 倪澤雨

      摘 要:露天礦邊坡穩(wěn)定性分析是一個復(fù)雜的非線性、不確定的動態(tài)系統(tǒng),各因素之間具有一定的相關(guān)性。首次應(yīng)用主成分與GRNN神經(jīng)網(wǎng)絡(luò)結(jié)合的原理和方法,建立了邊坡穩(wěn)定性評價模型,能定量得出各主成分對邊坡穩(wěn)定性的影響程度。利用PCA-GRNN神經(jīng)網(wǎng)絡(luò)評價模型對邊坡安全系數(shù)進行了預(yù)測,并與真實值進行了對比分析,得出了PCA-GRNN方法評價精度較高、相對誤差較小。由此可見,該模型在邊坡穩(wěn)定性的分析中具有較高的可行性和適用性。

      關(guān)鍵詞:邊坡穩(wěn)定性;主成分分析;GRNN神經(jīng)網(wǎng)絡(luò);特征根

      中圖分類號:TD854.6 文獻標(biāo)識碼:A DOI:10.15913/j.cnki.kjycx.2016.16.013

      露天礦邊坡穩(wěn)定性分析是工程界和學(xué)術(shù)界關(guān)注的重要課題,但各因素間的交互作用在單因素分析的方法中已被忽略,無法很好地符合實際情況。國內(nèi)外使用較為廣泛的邊坡穩(wěn)定性分析方法主要有數(shù)值分析法、極限平衡法等。這些方法都需綜合考慮影響邊坡穩(wěn)定的主要因素,其過程比較復(fù)雜,計算煩瑣,無法準(zhǔn)確地描述邊坡的非線性特征。由于計算機技術(shù)的不斷進步,關(guān)于邊坡穩(wěn)定性評價的方法得到了的改進,一些復(fù)合評價方法也被逐漸應(yīng)用到了邊坡穩(wěn)定性的分析中。馮夏庭等人提出了邊坡穩(wěn)定性的神經(jīng)網(wǎng)絡(luò)估計方法。 主成分分析方法應(yīng)用已較為成熟,但運用主成分對邊坡穩(wěn)定性的研究較為缺乏。

      1 主成分分析法的基本思想

      在對實際問題研究的過程中,一般情況都是關(guān)于n個樣本,每個樣本包含p個隨機變量的問題,數(shù)學(xué)上的處理方式為將原始的p個變量作線性組合。作為新的變量,設(shè)p個原始變量為x1,x2,…,xp,對應(yīng)的新的變量(主成分)為y1,y2,…,yp.

      主成分方差貢獻率為某個特征根占總特征的根比例。設(shè)特征根為λ,則第i個主成分所對應(yīng)的方差貢獻率為:

      特征值累計貢獻率一般要求在75%~85%,其中,特征值即主成分的個數(shù)小于5或6.主成分分析是將原來多個變量化為少數(shù)幾個綜合指標(biāo)的一種統(tǒng)計分析方法。從數(shù)學(xué)角度看,這是一種降維處理技術(shù)。假定有n個地理樣本,每個樣本共有p個變量描述,這樣就構(gòu)成了一個n×p階的數(shù)據(jù)矩陣。

      2 GRNN神經(jīng)網(wǎng)絡(luò)的基本思想

      廣義回歸線性網(wǎng)絡(luò)GRNN的主要優(yōu)點在于學(xué)習(xí)快速,是一種基于非線性回歸理論的前饋式神經(jīng)網(wǎng)絡(luò)模型。當(dāng)樣本數(shù)量非常大時,GRNN神經(jīng)網(wǎng)絡(luò)能實現(xiàn)快速逼近,處理實時環(huán)境中的稀疏數(shù)據(jù)時非常有效。目前,該神經(jīng)網(wǎng)絡(luò)在系統(tǒng)辨識和預(yù)測控制等方面得到了應(yīng)用。

      GRNN的結(jié)構(gòu)如圖1所示。

      其一般由輸入層、隱含層和輸出層組成。輸入層能將樣本變量傳遞到隱含層,將不參與真實運算。隱含層所含神經(jīng)元個數(shù)是訓(xùn)練集樣本數(shù),其權(quán)值為歐氏距離函數(shù)( ),作用是為計算網(wǎng)絡(luò)輸入與第一層的權(quán)值IW1,1間的距離,b1為隱含層閥值。使用徑向基函數(shù)作為隱含層傳遞函數(shù),一般采用高斯函數(shù)為傳遞函數(shù)。網(wǎng)絡(luò)中第三層為線性輸出層,其權(quán)函數(shù)為規(guī)范化點積權(quán)函數(shù)(用nprod表示),計算網(wǎng)絡(luò)的向量為n2,其每個元素就是向量a1和權(quán)值矩陣LW2,1每行元素的點積再除以向量a1的各元素之和得到的,并將結(jié)果n2提供給線性傳遞函數(shù)a2=purelin(n2),計算網(wǎng)絡(luò)輸出。

      3 邊坡影響因素間的相關(guān)性分析

      本文所選取巖土體的重度γ、巖土體的黏聚力c、內(nèi)摩擦角f、邊坡的坡角α,邊坡的高度H以及孔隙壓力μ作為影響邊坡穩(wěn)定的主要因素。從大量參考文獻得出邊坡穩(wěn)定性評價的輸出因素為邊坡安全系數(shù)。

      由于各指標(biāo)對應(yīng)的變量因子所采取的單位標(biāo)準(zhǔn)不一樣,因此,各變量之間無法直接比較,對數(shù)據(jù)標(biāo)準(zhǔn)化處理需要在進行主成分分析前進行。其中,SPSS主要使用z-score標(biāo)準(zhǔn)化法,可將數(shù)據(jù)統(tǒng)一映射到[-1,1]區(qū)間上。方差分解主成分提取分析結(jié)果如表1所示。

      表1中,利用SPSS提取出2個主成分,且方差累計貢獻率大于75%,所以,提取的主成分有效。近一步借助其求得主成分因子的載荷矩陣,具體如表2所示。

      由于利用SPSS進行主成分分析時,無法直接得出主成分的系數(shù)。表2中主成分載荷矩陣并不是主成分的特征向量,其系數(shù)的準(zhǔn)確求法則為:各個主成分載荷除以表1中各個主成分所對應(yīng)特征值的算術(shù)平方根。根據(jù)主成分分析模型和因子載荷,可以得到提取的2個主成分與原先6個指標(biāo)變量之間的線性組合,表達式如下:

      4 PCA-GRNN預(yù)測數(shù)值實例

      由于輸入數(shù)據(jù)具有一定相關(guān)性和輸入數(shù)據(jù)過多,所以,本文將主成分分析法與GRNN神經(jīng)網(wǎng)絡(luò)相結(jié)合,構(gòu)建了優(yōu)選模型,并對邊坡安全狀態(tài)進行有效了分析。將18組數(shù)據(jù)作為訓(xùn)練樣本子集,預(yù)測樣本子集的11組邊坡數(shù)據(jù)。該案例分析中的學(xué)習(xí)速率設(shè)為0.01,最大迭代次數(shù)為2 000,誤差性能目標(biāo)為0.000 001.分別運用兩種算法對邊坡的安全性進行了比較分析,結(jié)果如表3所示。

      通過對兩種預(yù)測方法所預(yù)測結(jié)果的平均值、最小值以及最大值的比較可以得出,PCA-GRNN算法比PCA-BP算法的預(yù)測結(jié)果更為準(zhǔn)確。由此額空間,該方法在邊坡穩(wěn)定性分析上較為有效、合理。

      兩種方法的預(yù)測值與實際測量值之間的誤差關(guān)系如圖2所示。

      由此可見,利用PCA-GRNN模型進行評價比利用PCA-BP得出的預(yù)測值精度更高、相對誤差更小。該模型在邊坡穩(wěn)定性分析中具有較好的可行性和適用性。

      5 結(jié)論

      以PCA-GRNN方法描述了分類結(jié)果與樣本值兩者間的映射關(guān)系,給出了具體的概率累計表達式與模型建立的方法,并通過對某一工程實例的驗證得出,采用PCA-GRNN模型描述邊坡穩(wěn)定性分類指標(biāo)與穩(wěn)定性之間的經(jīng)驗關(guān)系,其建模方法簡單,易于實現(xiàn)。與BP神經(jīng)網(wǎng)絡(luò)相比,GRNN網(wǎng)絡(luò)優(yōu)勢在于訓(xùn)練不需要迭代、隱含層所含神經(jīng)元個數(shù)由訓(xùn)練樣本可自適應(yīng)確定,避免了BP神經(jīng)網(wǎng)絡(luò)在迭代中的權(quán)值修改,且對接近于局部神經(jīng)元特征的輸入具有很強的吸引力等。

      參考文獻

      [1]胡敏萍.極限平衡法和有限單元法分析復(fù)雜邊坡的穩(wěn)定性[D].杭州:浙江大學(xué),2004.

      [2]郭子儀,范振華,朱云升,等.邊坡穩(wěn)定性分析中的有限元極限平衡法[J].武漢理工大學(xué)學(xué)報(交通科學(xué)與工程版), 2014,38(01).

      [3]馮夏庭,王泳嘉.邊坡穩(wěn)定性的神經(jīng)網(wǎng)絡(luò)估計[J].工程地質(zhì)學(xué)報,1995,3(04).

      [4]熊海豐.基于人工神經(jīng)網(wǎng)絡(luò)技術(shù)的邊坡穩(wěn)定性評價研究[D].武漢:武漢理工大學(xué),2003(05).

      [5]張表志.基于主成分分析的大型棄土場邊坡穩(wěn)定性敏感因素分析[J].公路交通科技(應(yīng)用技術(shù)版),2013(07).

      [6]谷瓊,蔡之華,朱莉.基于PCA-GEP算法的邊坡穩(wěn)定性預(yù)測[J].巖土力學(xué),2009,30(03).

      [7]張文霖.主成分分析在SPSS中的操作應(yīng)用[J].市場研究,2005(12).

      [8]張紹紅.概率神經(jīng)網(wǎng)絡(luò)技術(shù)在地震巖性反演中應(yīng)用[J].遼寧工程技術(shù)大學(xué)學(xué)報,2007(26).

      [9]蘭海濤,李謙,韓春雨.基于廣義回歸神經(jīng)網(wǎng)絡(luò)的邊坡穩(wěn)定性評價[J].巖土力學(xué),2009,30(11).

      [10]陳建宏,鄭榮凱,陳浩.基于PCA和BP神經(jīng)網(wǎng)絡(luò)邊坡穩(wěn)定性分析[J].中國安全生產(chǎn)科技術(shù),2014(05).

      〔編輯:張思楠〕

      猜你喜歡
      邊坡穩(wěn)定性主成分分析
      某水電站混凝土生產(chǎn)系統(tǒng)邊坡穩(wěn)定性復(fù)核分析
      某邊坡地質(zhì)災(zāi)害隱患點治理工程勘查
      綠色科技(2016年20期)2016-12-27 16:23:03
      基于GCSF算法的邊坡穩(wěn)定性分析軟件設(shè)計
      基于NAR模型的上海市房產(chǎn)稅規(guī)模預(yù)測
      主成分分析法在大學(xué)英語寫作評價中的應(yīng)用
      江蘇省客源市場影響因素研究
      SPSS在環(huán)境地球化學(xué)中的應(yīng)用
      考試周刊(2016年84期)2016-11-11 23:57:34
      長沙建設(shè)國家中心城市的瓶頸及其解決路徑
      服務(wù)貿(mào)易結(jié)構(gòu)優(yōu)化路徑研究
      公路邊坡穩(wěn)定性及防護加固技術(shù)
      无极县| 资源县| 大渡口区| 陆良县| 壶关县| 勐海县| 天津市| 卓资县| 哈尔滨市| 罗城| 南充市| 德钦县| 苗栗市| 涟水县| 杭州市| 启东市| 余干县| 蓬莱市| 南昌市| 德惠市| 科尔| 丽江市| 大埔县| 桓台县| 忻州市| 赫章县| 扶沟县| 瓦房店市| 阿合奇县| 舞阳县| 万荣县| 卢氏县| 攀枝花市| 兴国县| 靖边县| 镇平县| 类乌齐县| 天长市| 岚皋县| 吉安市| 石棉县|