基于机器学习的锚固岩质边坡变形预测

摘要：

锚索锚固是一种广泛使用的边坡加固技术,锚固性能的研究是锚固的核心问题之一.利用有限差分程序建立324组物理力学参数不同的锚固边坡,组成包括锚索参数和岩土体性质参数的9维输入指标和以沉降位移和塑性区面积为输出指标的数据集,分析输入输出指标间的关系.随后用随机森林和神经网络方法学习数据并建立层状边坡变形预测模型.分析显示,边坡沉降位移和塑性区面积预测结果变化对锚索性质参数中锚索总长度变化最敏感,锚固力的变化影响最小;岩土体物理力学性质中边坡力学指标黏聚力、内摩擦角起主要影响作用,岩土体密度变化影响最小;对预测结果的误差分析表明随机森林变形预测模型预测准确性比反向传播(back propagation,BP)神经网络变形预测模型高5％ ～10％;模型预测沉降的偏差率小于预测塑性区面积的偏差率.研究表明随机森林算法在锚固效果预测问题上更加具有适用性,通过建立预测模型可以快速预测锚固边坡沉降位移和塑性区面积,指导锚固方案优化和变形控制设计.

关键词：锚索、边坡、有限差分FLAC3D、沉降、塑性区面积、变形预测、随机森林、BP神经网络

所属期刊栏目：22

分类号：TU42(土力学、地基基础工程)

资助基金：中国长江三峡集团有限公司科研项目;国家重点研发计划

在线出版日期：2022-11-30（万方平台首次上网日期，不代表论文的发表时间）

页数：共11页

页码：12993-13003