基于GM-RBF组合模型的高路堑边坡稳定性预测研究
边坡的稳定性预测是道路边坡安全性评判的关键,且及时、准确的预测可以有效地预防边坡破坏灾害的发生.采用GM(1,N)模型与RBF神经网络模型相结合的方式,建立一种基于GM-RBF组合的高路堑边坡变形预测分析模型.结合高速公路高路堑边坡工程实例,通过对比GM(1,5)模型、RBF神经网络模型和GM-RBF组合模型的边坡安全系数预测结果来分析GM-RBF组合模型的可行性.结果 表明,GM-RBF组合模型比单一模型更能抵抗预测数据序列中存在的波动性;较于GM(1,5)模型和RBF神经网络模型,GM-RBF组合模型预测的边坡安全系数平均绝对误差分别降低了64.6％和45.8％,边坡安全系数均方根误差分别降低了66.7％和45.2％,边坡安全系数相对均方误差也分别降低了58.3％和38.7％;采用GM-RBF组合模型对边坡稳定性进行预测能够保持良好的精度.
路基工程;边坡稳定性;安全系数;灰色算法;神经网络;GM-RBF组合模型
51
TU753;U417.1(建筑施工)
天津市交委科技计划项目2021-24
2021-11-22（万方平台首次上网日期，不代表论文的发表时间）
共6页
140-145
