杨雅萍， 张文莲， 孙晓云

(石家庄铁道大学电气与电子工程学院， 石家庄 050043)

岩土工程中，边坡稳定性预测是一个重要的领域。边坡是一个动态开放和非线性的复杂系统，目前研究表明边坡滑动的诱发因子之间具有不确定性、离散性、随机性以及相互之间复杂的关联作用[1]。在边坡稳定性确定性分析法中，极限平衡法和传统的数值分析方法无法准确描述边坡的非线性特征。近年来人工神经网络的发展，及其非线性动态处理的优势，神经网络也被逐渐应用到边坡工程实际中来预测边坡稳定性。李龙等[2]在传统反向传播(back propagation,BP)神经网络中引入附加动量、自适应学习速率和模拟退火算法，提出了改进的BP神经网络，对网络收敛速度慢和易陷入局部最小值的问题有较好的改进等。牛鹏飞等[3]引入核主成分算法(principal component analysis,KPCA)和Levenberg-Marquardt(L-M)算法建立了主成分分析(principal components analysis, PCA)-LMBP边坡稳定性网络预测模型。臧焜岩等[4]在传统BP神经网络中引入遗传算法(genetic algorithm,GA)，用来更新网络的权值和阈值，建立了GA-BP边坡稳定性预测模型。

以上3种神经网络模型输入均采用Mohr-coulomb(M-C)准则中的内聚力、内摩擦角等岩土力学参数。虽然目前大多数学者均采用M-C准则中的力学参数，但M-C准则无法解释岩质边坡的非线性变形破坏现象。改进Hoek-Brown(H-B)准则对岩体固有的非线性破坏特点可以很好地反映，而且该准则已在岩体强度预测及计算领域得到广泛应用[5]。目前，BP神经网络隐含层神经单元数目在实际应用中不存在一个合理的解析式，仍是以经验公式确定，而BP神经网络在工程应用成败的关键是其网络的构造[6]。……