基于竞争性神经网络在岩质边坡参数随机结构面优势分组中的应用
2021-10-21姚文生
矿产与地质 2021年4期
姚文生
(1.辽宁有色勘察研究院有限责任公司,辽宁 沈阳 110013;2.自然资源部老矿山地质灾害防治与生态修复工程技术创新中心,辽宁 沈阳 110013)
0 引言
岩体具有明显的不连续性、各向异性和不均匀性。这种特殊的性质主要取决于岩体中存在的大小、形态各异的不连续面。一般而言,不连续面的力学强度较完整的岩块要大的多,故岩体的力学与变形特征主要取决于岩体中的不连续面。为顺利进行岩体分析评价,不连续的各项特征是需要着重分析的。岩体中的不连续面系统是极为庞大的,不可能一一对其描述分析,故需对其进行分类,将性质相近的不连续面归为一类,以统一研究不连续面对岩体性质的影响。确定出优势分组,找出对岩体稳定性起控制性作用的优势组,这对整体研究岩体结构面的空间组合特征有很大的实际意义[1]。
Shanley[2]在20世纪70年代采用概率积分法对结构面进行优势组数的划分。这种划分方法结合了概率统计学理论与施密特投影法,通过目标函数控制优势组数的划分。Mahtab和Hammah[3-4]采用模糊C均值法进行结构面的分组,利用目标函数,初始聚类点,寻找最优值,但是训练数据易陷入局部不收敛。邓继辉与彭傲等[5-6]利用自组织聚类算法,将结构面产状在计算机程序基础上实现自动更新聚类中心。张奇[7]提出基于凝聚层次聚类方法的岩体结构面产状优势组划分法,该方法方便快捷,但无初始中心,有时会导致分组由于合并点选择不当而结果不够理想。……
登录APP查看全文
