基于CSMR和卷积神经网络的岩质边坡稳定性分析

CSMR分类体系是一种半定量的岩质边坡稳定性分析方法,其综合考虑了多因素对边坡稳定性的影响,但是计算复杂。在岩质边坡稳定性评价CSMR分类体系基础上,引入卷积神经网络原理,建立基于CSMR和卷积神经网络的边坡稳定性评价模型。首先,通过85个实测岩质边坡样本对模型进行训练,构建CSMR方法中的坡高H、高度修正系数ξ、RMR评分、结构面方位修正系数(F_(1)、F_(2)、F_(3))、开挖方法修正系数F 4和结构面条件修正系数λ共8个影响因子和边坡稳定状态的非线性映射关系。然后,用另外15个边坡样验证基于CSMR和卷积神经网络的岩质边坡稳定性分析模型的有效性。最后,将模型应用于广东清远银湖城边坡稳定性分析,其预测值和期望值基本吻合。同时与有限元分析法计算结果进行了对比,表明该方法具有较强的泛化能力,能快速预测边坡稳定性,可为山区工程建设中岩质边坡工程设计和管理提供依据和参考。