D0I:10.13374/i.issm1001053x.2003.02.002 第25卷第2期 北京科技大学学报 Vol.25 No.2 2003年4月 Journal of University of Science and Technology Beijing Apr.2003 数据挖掘在岩质边坡稳定性预测中的应用 张治强”蔡嗣经”马平波 1)北京科技大学土木与环境工程学院，北京1000832)东北大学资源与土木工程学院，沈阳110006 摘要提出了一种预测岩土边坡稳定性的方法，利用数据挖掘的方法从边坡实例数据中 挖掘出知识，在此基础上建立岩质边坡稳定性预测的智能模型系统，该系统可以根据获得的 现场测试和监测资料，对边坡的稳定性进行较好的预测和估计. 关键词数据挖掘：边坡：稳定性 分类号TD325.1;TU457 岩土边坡的失稳破坏一直是岩土工程建设 通过对原始数据的高自动化分析处理，作出归纳 中的主要灾害之一，正确评价边坡的稳定性和其 性的推理，得到数据对象间的关系模式.这些关 破坏类型，对于确保生产建设和人民生命财产安 系模式反映了数据的内在特性，是对数据所包含 全具有重要意义，目前判断边坡的稳定性主要是 信息的更高层次的抽象.因此它可以从大型数据 用极限平衡法和有限元法.但极限平衡法由于不 库或数据仓库中提取人们感兴趣的知识，这些知 考虑岩土体的变形机制，其安全系数误差较大： 识是隐含的、事先未知的潜在有用信息 有限元法的应力应变一般是按未破坏时的边界 数据挖掘过程是在一些事实或观察数据的 条件计算出来的，而实际情况并非如此，任何超 集合中寻找模式的决策支持过程.关联规则是当 过抗剪或抗拉强度的应力状态都是不稳定的，一 前数据挖掘研究的主要模式，侧重于确定数据中 旦发生局域破坏，应力将会重新调整，边坡稳定 不同领域之间的联系，找出满足给定支持度和置 性安全系数也随之而发生变化四 信度阑值的多个域之间的依赖关系。一条关联 有的学者将专家系统和神经网络引入对边 规则是如下形式的蕴涵式：X一Y(S%,C%),即关 坡的稳定性研究中别，但结果不令人满意.专家 联规则X一Y在交易集合D中成立，且关联规则的 系统由于其掺杂了人的经验等主观因素，所以效 支持度为S%,关联规则的置信度为C%.挖掘关 果不理想，神经网络尽管具有非线性、并行性、鲁 联规则问题就是在给定的交易集合D中产生所 棒性等特点，但由于它很容易陷入局部极小点和 有满足最小支持度(minsupp)和最小置信度(min- 收敛速度慢的局面，极大地影响了它的使用.本 conf)的关联规则的过程.挖掘关联规则问题可 文从智能岩石力学的角度出发，提出用数据挖掘 以分为两个子问题： 法来预测岩土边坡的稳定性问题， (1)寻找所有这样的项的集合，它们的支持 度超过用户给定的最小支持度，这个项的集合称 1数据挖掘 为频繁集（也称为大项目集）， 数据库中的知识发现KDD(Knowledge Dis-. (2)应用频繁集产生关联规则. covery in Database)是近年来随着人工智能和数 挖掘关联规则常采用的Apriori算法，由Ag 据库技术的发展而出现的一门新兴的技术.数据 wal在1994年提出.Apriori算法采用迭代方法， 挖掘(Data Mining)是KDD中最重要的处理阶段， 通过对交易数据进行多遍扫描以生成关联规则. 它主要基于人工智能、机器学习和统计学技术， 本文关联规则的生成就是通过Apriori算法完成 的.根据数据挖掘的实现原理可知，对某些比较 收稿日期200204-19张治强男，31岁，博士：研究生 杂乱的数据库，并不能保证挖掘得到的规则的正 *教育部博士后基金资助项目(No.13416)第 卷 第 期 年 月 北 京 科 技 大 学 学 报 数据挖掘在岩质边坡稳定性预测 中的应用 张 治 强 ” 蔡 嗣 经 ‘， 马 平 波 ， 北 京科 技大 学 土 木 与环 境工 程 学院 ， 北 京 东北 大 学 资源 与土 木 工 程 学 院 ， 沈 阳 摘 要 提 出 了 一 种 预 测 岩土 边 坡 稳 定性 的方法 利用 数据 挖掘 的方法 从 边 坡 实例 数据 中 挖 掘 出知 识 ， 在此 基 础 上 建 立 岩 质边坡 稳 定 性预测 的智 能模型 系统 该系统 可 以根据 获 得 的 现 场 测 试 和 监 测 资料 ， 对 边 坡 的稳定 性 进行 较好 的预测 和 估 计 关键 词 数据 挖 掘 边 坡 稳 定 性 分 类号 岩 土 边 坡 的 失 稳 破 坏 一 直 是 岩 土 工 程 建 设 中的主 要 灾 害之 一 ， 正 确 评 价边 坡 的稳 定 性 和 其 破 坏 类型 ， 对 于确 保 生 产 建 设和 人 民生命 财 产安 全 具 有 重 要 意义 目前 判 断边 坡 的稳 定 性主 要 是 用 极 限平 衡 法 和 有 限元 法 但 极 限平 衡 法 由于 不 考 虑 岩 土 体 的变 形 机 制 ， 其 安 全 系 数 误 差 较 大 有 限元 法 的应 力 应 变 一 般 是 按 未 破 坏 时 的边 界 条件 计 算 出来 的 ， 而 实 际情 况 并 非如 此 ， 任 何 超 过 抗 剪或 抗 拉 强度 的应 力状 态 都是 不稳 定 的 ， 一 旦 发 生 局 域 破 坏 ， 应 力将 会 重 新 调 整 ， 边 坡 稳 定 性 安全 系 数 也 随之 而 发生 变 化‘，， 有 的 学者 将 专 家 系 统 和 神 经 网 络 引入 对 边 坡 的稳 定 性 研 究 中 份， ， 但 结 果 不 令 人 满 意 专 家 系统 由于其 掺 杂 了人 的经 验 等 主 观 因 素 ， 所 以效 果 不 理 想 神经 网络 尽 管具 有 非 线 性 、 并行 性 、 鲁 棒性 等特 点 ， 但 由于 它 很 容 易陷入 局 部 极 小 点和 收 敛 速 度 慢 的局 面 ， 极 大 地 影 响 了它 的使 用 本 文 从 智 能岩 石 力学 的角度 出发 ， 提 出用 数据 挖 掘 法 来 预 测 岩 土 边 坡 的稳 定性 问题 数据 挖 掘 数据 库 中 的知 识 发现 知 一 是 近 年 来 随着 人 工 智 能和 数 据 库 技术 的发 展 而 出现 的一 门新 兴 的技术 数 据 挖 掘 是 幻〕 中最 重 要 的处 理 阶 段 ， 它 主 要 基 于 人 工 智 能 、 机 器 学 习 和 统 计 学 技 术 ， 收稿 日期 刁今 张 治 强 男 ， 岁 ， 博 士 研 究 生 教 育部博 士 后 基 金 资助 项 目困 。 通 过对 原始 数 据 的 高 自动 化 分析 处 理 ， 作 出归纳 性 的推 理 ， 得 到数 据 对 象 间 的关 系 模 式 这 些 关 系模 式 反 映 了数据 的 内在特 性 ， 是对 数据 所 包 含 信 息 的更 高层 次 的抽 象 因此 它 可 以从 大 型数 据 库 或 数据 仓 库 中提 取 人们 感 兴趣 的知 识 ， 这 些 知 识 是 隐含 的 、 事 先 未知 的潜 在 有用 信 息 ‘今 数 据 挖 掘 过 程 是 在 一 些 事 实 或 观 察 数 据 的 集 合 中寻 找 模 式 的 决策 支 持 过 程 关联 规 则 是 当 前 数据 挖 掘 研 究 的主 要 模 式 ， 侧 重 于确 定 数据 中 不 同领 域 之 间 的联 系 ， 找 出满 足 给 定 支 持度 和 置 信 度 阐值 的 多个 域 之 间 的依赖 关 系 一 条 关 联 规 则 是 如 下 形 式 的蕴 涵 式 尤二 ‘坚场 ， 〔 ， 即关 联 规 则尤二 在 交 易集 合 中成 立 ， 且 关联 规 则 的 支 持度 为夕场 ， 关 联 规 则 的置 信 度 为 么 挖 掘 关 联 规 则 问题 就 是 在 给 定 的交 易 集 合 中产 生 所 有 满足 最 小支 持度 和 最 小 置 信 度 的关 联 规 则 的过 程 挖 掘 关 联 规 则 问题 可 以分 为 两 个 子 问题 寻 找 所 有 这 样 的 项 的集合 ， 它 们 的支 持 度 超 过用 户 给 定 的最 小支 持度 ， 这 个 项 的集 合 称 为 频 繁集 也称 为 大 项 目集 应 用 频 繁集 产 生 关 联 规 则 挖 掘 关 联 规 则 常采 用 的 算法 ， 由 在 年提 出 二 算 法 采 用 迭 代 方 法 ， 通 过 对 交 易数 据 进 行 多遍 扫 描 以生 成 关 联 规 则 本 文 关 联 规 则 的 生 成 就 是 通 过 算 法 完 成 的 ， 根 据 数据 挖 掘 的实 现 原 理 可 知 ， 对 某 些 比较 杂 乱 的数 据 库 ， 并 不 能保 证 挖 掘 得到 的规 则 的正 DOI ：10．13374／j ．issn1001－053x．2003．02．002