,1108 北京科技大学学报 2006年第12期 3.2计算模型 边界条件为：模型两侧限制水平方向移动，模 由于该边坡高度大，范围广，坡体沿轴线方向 型底部限制垂直和水平方向移动，模型上边界为 的变形很小，可以忽略不计，力学分析采用平面应 自由边界 变模型.模型计算范围为360m(长)×180m 按照表2安排好的数值实验方案，代入 (高)，网格为180×90个，采用莫尔一库仑本构模 FLAC程序计算相应测点处的水平位移和竖直位 型，图3为数值计算网格图 移，结果见表3 4神经网络反分析 4.1RBF神经网络的特点 神经网络最大功能就是对复杂非线性函数的 有效逼近，在边坡稳定性分析方面应用很多$]. BP(back propagation)神经网络，对于每个输入输 出数据而言，网络的每一个权植均需要调整，从而 图3数值计算网格图 导致逼近速度很慢；同时由于权值的调整是用梯 Fig.3 Numerical calculation grids 度下降法，存在局部极小和收敛速度慢等缺陷 表3模拟计算结果 Table 3 Simulation results mm 测点1 测点2 测点3 测点4 测点5 方案 X1 YI X2 Y2 X3 Y3 X4 Ya Xs Y5 -214.7 66.5 -884.6 122.5 -1395 830.4 -633.6 1072 -933.6 1740 -201.7 36.8 -918.9 73 -1443 811.4 -616 1027 -920.8 1727 -217.2 24.5 -928.7 52.5 -1455 796.1 -610.4 1013 -914.4 1717 -213.2 23.9 -904.9 51.5 -1430 805.1 -596.8 1044 -903.2 1710 -214.7 20.6 -891.6 46.0 -1448 788.9 -588.0 1033 -899.2 1705 -217.2 24.5 -928.7 52.5 -1454 796.1 -610.4 1012 -914.4 1720 -213.2 23.9 -904.9 51.5 -1430 805.1 -596.8 1043 -903.2 1712 -193.2 17.0 -897.9 40.0 -1453 782.6 -586.4 1025 -900.8 1707 9 -200.2 35.9 -938.5 71.5 -1456 823.1 -632.8 1022 -934.4 1743 10 -219.2 38.9 -916.8 76.5 -1442 817.7 -612.8 1033 -920.8 1733 11 -192.7 10.7 -904.9 29.5 -1444 797.9 -587.2 1028 -896.8 1730 12 221.7 35.6 -946.2 71.0 -1458 824.0 -636.0 1016 -932.0 1725 13 -219.2 38.9 -916.8 76.5 -1443 817,7 -612.8 1030 -920.8 1733 14 -217.2 24.5 -928.7 52.5 -1458 796.1 -610.4 1012 -914.4 1723 15 -207.2 19.4 -912.6 44.0 -1443 800.6 -596.8 1036 -905.6 1733 16 -219.2 38.9 -916.8 76.5 -1449 817.7 -612.8 1033 -920.8 1734 17 -211.2 28.1 -918.2 58.5 -1458 801.5 -607.2 1028 -915.2 1722 18 -200.2 15.2 -913.3 37.0 -1442 798.8 -596.0 1029 -908.0 1727 19 -214.7 20.6 -891.6 46.0 -1449 788.9 -588.0 1033 -899.2 1738 20 -219.7 35.3 -949.0 70.5 -1453 824.9 -632.0 1012 -930.4 1723 21 -213.2 23.9 -904.9 51.5 -1431 805.1 -596.8 1043 -903.2 1744 22 -214.7 20.6 -891.6 46.0 -1444 788.9 -588.0 1032 -899.2 1735 23 -219.7 35.3 -949.0 70.5 -1457 824.9 -632.0 1011 -930.4 1717 24 -213.2 35.3 -923.1 70.5 -1445 822.2 -612.8 1032 -920.0 1733 25 -202.2 22.4 -925.9 49.0 -1452 794.3 -608.0 1028 -914.4 1722 注：表中X表示水平方向位移，向右为正方向：Y表示竖直方向位移，向下为正方向3∙2 计算模型 由于该边坡高度大‚范围广‚坡体沿轴线方向 的变形很小‚可以忽略不计‚力学分析采用平面应 变模型．模型计算范围为360m （长） ×180m （高）‚网格为180×90个‚采用莫尔—库仑本构模 型‚图3为数值计算网格图． 图3 数值计算网格图 Fig．3 Numerical calculation grids 边界条件为：模型两侧限制水平方向移动‚模 型底部限制垂直和水平方向移动‚模型上边界为 自由边界． 按照表 2 安排好的数值实验方案‚代入 FLAC 程序计算相应测点处的水平位移和竖直位 移‚结果见表3． 4 神经网络反分析 4∙1 RBF 神经网络的特点 神经网络最大功能就是对复杂非线性函数的 有效逼近‚在边坡稳定性分析方面应用很多［7—8］． BP（back propagation）神经网络‚对于每个输入输 出数据而言‚网络的每一个权植均需要调整‚从而 导致逼近速度很慢；同时由于权值的调整是用梯 度下降法‚存在局部极小和收敛速度慢等缺陷． 表3 模拟计算结果 Table3 Simulation results mm 方案 测点1 测点2 测点3 测点4 测点5 X1 Y1 X2 Y2 X3 Y3 X4 Y4 X5 Y5 1 —214∙7 66∙5 —884∙6 122∙5 —1395 830∙4 —633∙6 1072 —933∙6 1740 2 —201∙7 36∙8 —918∙9 73 —1443 811∙4 —616 1027 —920∙8 1727 3 —217∙2 24∙5 —928∙7 52∙5 —1455 796∙1 —610∙4 1013 —914∙4 1717 4 —213∙2 23∙9 —904∙9 51∙5 —1430 805∙1 —596∙8 1044 —903∙2 1710 5 —214∙7 20∙6 —891∙6 46∙0 —1448 788∙9 —588∙0 1033 —899∙2 1705 6 —217∙2 24∙5 —928∙7 52∙5 —1454 796∙1 —610∙4 1012 —914∙4 1720 7 —213∙2 23∙9 —904∙9 51∙5 —1430 805∙1 —596∙8 1043 —903∙2 1712 8 —193∙2 17∙0 —897∙9 40∙0 —1453 782∙6 —586∙4 1025 —900∙8 1707 9 —200∙2 35∙9 —938∙5 71∙5 —1456 823∙1 —632∙8 1022 —934∙4 1743 10 —219∙2 38∙9 —916∙8 76∙5 —1442 817∙7 —612∙8 1033 —920∙8 1733 11 —192∙7 10∙7 —904∙9 29∙5 —1444 797∙9 —587∙2 1028 —896∙8 1730 12 —221∙7 35∙6 —946∙2 71∙0 —1458 824∙0 —636∙0 1016 —932∙0 1725 13 —219∙2 38∙9 —916∙8 76∙5 —1443 817∙7 —612∙8 1030 —920∙8 1733 14 —217∙2 24∙5 —928∙7 52∙5 —1458 796∙1 —610∙4 1012 —914∙4 1723 15 —207∙2 19∙4 —912∙6 44∙0 —1443 800∙6 —596∙8 1036 —905∙6 1733 16 —219∙2 38∙9 —916∙8 76∙5 —1449 817∙7 —612∙8 1033 —920∙8 1734 17 —211∙2 28∙1 —918∙2 58∙5 —1458 801∙5 —607∙2 1028 —915∙2 1722 18 —200∙2 15∙2 —913∙3 37∙0 —1442 798∙8 —596∙0 1029 —908∙0 1727 19 —214∙7 20∙6 —891∙6 46∙0 —1449 788∙9 —588∙0 1033 —899∙2 1738 20 —219∙7 35∙3 —949∙0 70∙5 —1453 824∙9 —632∙0 1012 —930∙4 1723 21 —213∙2 23∙9 —904∙9 51∙5 —1431 805∙1 —596∙8 1043 —903∙2 1744 22 —214∙7 20∙6 —891∙6 46∙0 —1444 788∙9 —588∙0 1032 —899∙2 1735 23 —219∙7 35∙3 —949∙0 70∙5 —1457 824∙9 —632∙0 1011 —930∙4 1717 24 —213∙2 35∙3 —923∙1 70∙5 —1445 822∙2 —612∙8 1032 —920∙0 1733 25 —202∙2 22∙4 —925∙9 49∙0 —1452 794∙3 —608∙0 1028 —914∙4 1722 注：表中 X 表示水平方向位移‚向右为正方向；Y 表示竖直方向位移‚向下为正方向． ·1108· 北 京 科 技 大 学 学 报 2006年第12期