周佳荣，侯 莉

（四川省地质矿产勘查开发局化探队，四川 德阳 618000）

在矿山岩质边坡防治中，影响其破坏类型的因素多种多样，如结构面与边坡面的空间关系、边坡高度、内聚力等[1]。它们对边坡的破坏类型的影响程度各不相同，影响大的成为主控因素；影响小的成为次要因素。而主控因素的分析对采取相应有效的边坡加固治理措施具有重要的意义[2]。

一般的做法是利用经验结合边坡的具体情况来确定那些因素的大小。这种方法一方面缺乏说服力，一方面对于经验不足的人来说往往会造成不必要的错误。本文基于神经网络对矿山边坡稳定性分析的同时提取其中的权值和阈值，利用输入对输出的相对作用强度（RSE），来计算影响边坡破坏类型的因素对两种边坡破坏类型（圆弧型、折线型）影响度。这样不仅能将定量和定性的因素考虑在里面，而且利用数据更有说服力。

1 基于神经网络边坡破坏类型的确定

神经网络法用于研究矿山边坡工程具有独特的优势,利用神经网络可以将各种影响因素作为输入变量,建立这些定性或定量影响因素与边坡安全系数、破坏类型之间的高度非线性映射模型，再用模型来评价边坡的安全性[3]。

对于矿山岩质边坡来说，本文选取9个影响因素作为神经网络的输入参数。它们是：结构面与边坡面的空间关系、岩石抗压强度、结构面倾角、内聚力、内摩擦角、地下水条件、岩石结构类型、边坡高度、边坡角[1，4]。其中有一些为定性指标，可以这样来规定：结构面与边坡面的位置关系（平行0；斜交0.5；垂直1）；岩石结构类型（层状0；镶嵌状0.5；块状1）；边坡可能破坏的类型（圆弧形0；折线形1）。

1.1 训练样本的归一化

上述9个影响因素作为网络输入节点时，由于各因素具有不同的量纲，且类型不同，数值相差甚远，难以进行直接比较，因此，在综合评价前把这些指标按某种效用函数归一化处理，同时也可以防止小数值信息被大数值信息所淹没[5,6]。

一般提法是将各输入量归一化至[0,1],但考虑到Sigmoid函数在值域[0.0,0.1]和[0.9,1.0]区域内曲线变化极为平坦[7]，这种方法就存在一定缺陷。这里采用(X-Min(x))/(Max(x)-Min(x))×0.8+0.1函数对该问题进行处理，使得归一化应后各输入量在[0.10,0.90]区域内。

1.2 神经网络的训练

从文献[4]中收集的25个样本,其中20个作为训练样本,5个作为检验样本。将样本归一化后（表1）用于BP神经网络的训练。

表1 BP神经网络训练样本集

针对边坡破坏类型的训练学习，本次输入层为9个处理单元，输出层为1个单元，隐层处理单元为16个。网络经过7步学习收敛，误差达到0.0015的精度，基本满足要求。

1.3 神经网络的测试分析

根据上述建立的神经网络结构模型，对5个待检验的样本进行预测评价，结果见表2。

表2 边坡破坏类型神经网络预测结果

通过利用神经网络预测模型进行分析表明，预测结果的最大绝对误差小于0.05，对与判别是0（圆弧形破坏）还是1（折线形破坏）影响不大，预测的结果正确可靠，且网络的收敛速度快，说明上述网络模型具有较强的可靠性和实用性。

2 基于相对作用强度的影响因素评价

2.1 相对作用强度(RSE)概念

对于一个训练完毕的BP神经网络，其输出可以被看作为是输人的复合函数。对连续可导的原函数，这就是所求的相互作用[8]，即神经网络输人对输出的相对作用强度（RSE）。

根据上述，网络的输人i和输出k间有下式存在：

式中求出的RSEki值，是对网络各输入单元对某一个输出单元相对影响的一种度量。其绝对值大小，表示输入单元对输出单元的状态时所起作用的大小；正号（或负号）表示输出单元的增值方向与输入单元相同（或相反）。由此，我们可将RSE应用到计算影响边坡破坏类型因素的相对影响与作用的大小和方向，从而区分主要因素和次要因素，为边坡治理提供依据。

2.2 RSE计算结果的分析

在上面建立的神经网络中提取权值和阈值应用到RSE中，就可以对其复杂的影响参数的相对作用进行分析，从而找出各个影响因素对边坡破坏类型所起作用的规律。所得到的具体结果见图1。

从图1可以看出，岩石单轴抗压强度和岩石结构类型对边坡破坏类型的影响最大，且成正相关关系，说明随岩石单轴抗压强度的增高，边坡趋向折线型破坏；岩石的结构类型由层状向镶嵌状、块状变化，边坡也由圆弧型向折线型破坏方向发展。其他七个影响因素与边坡的破坏类型成负相关关系，说明随着这几个影响因素值的增加，边坡趋向于圆弧型破坏。在这9个因素中岩石单轴抗压强度和岩石结构类型为主控因素，其他因素为次要因素，但并不是可以忽略的因素。

图1 输入对输出的相对作用强度

3 结论

本文利用BP神经网络建立模型对边坡的破坏类型进行分类，该模型得出得结构可靠、计算速度快，有较强得实用性。利用输入对输出的相对作用强度（RSE）来分析影响边坡破坏类型的因素，用数据的形式来说明，较有说服力。能较为准确地确定出影响边坡破坏类型的主要因素，在工程实践中就能知道应该重点关注哪些主要影响因素，而哪些因素可以忽略，有利于以后计算模型的优化。