下载文档原格式
基因表达式编程在边坡稳定性分析中的应用的开题报告1. 研究背景边坡稳定性是土工领域中的一个重要问题，涉及到工程建设中的生命安全和资产安全，目前常用的分析方法包括有限元法、模型试验法和统计力学法等。
然而，这些方法都存在一些限制，如计算复杂度高、受模型参数影响等。
因此，需要探索新的方法来提高边坡稳定性分析的准确性和可靠性。
2. 研究目的本文旨在探索利用基因表达式编程（Gene Expression Programming，GEP）方法对边坡稳定性进行分析的可能性。
GEP是一种基于启发式算法的进化计算方法，能够从给定的数据中自动生成数学表达式。
该方法已经在数据挖掘、信号处理、生物信息学等领域得到了广泛应用，而在土工领域中的应用尚未深入研究。
本文将探索其在边坡稳定性分析中的应用。
3. 研究内容和方法本文将采用GEP方法来建立边坡稳定性分析模型，具体包括以下步骤：1）收集相关边坡稳定性数据，包括土壤力学参数、坡度、气候条件等；2）采用GEP方法自动生成数学表达式，作为边坡稳定性的预测模型；3）使用实测数据对模型进行训练和验证；4）利用模型对未知边坡稳定性进行预测，与实测数据进行对比分析；5）对模型的性能进行评估和优化。
4. 研究意义和预期效果本文将探索GEP方法在边坡稳定性分析中的应用，旨在提高边坡稳定性预测模型的准确性和可靠性。
该研究结果将为工程建设提供更科学的边坡稳定性评估方法。
5. 研究进度计划完成时间 | 研究内容------------ | -------------2022年3月 | 收集相关文献，初步了解GEP方法原理及在其他领域的应用2022年6月 | 收集并整理边坡稳定性数据，进行数据预处理2022年9月 | 建立GEP边坡稳定性分析模型，进行实验设计2023年1月 | 分析实验结果，优化模型结构2023年6月 | 撰写论文，完成答辩6. 参考文献Maier HR, Dandy GC (2000) The use of artificial neural networks for the prediction of water quality parameters. Water Resour Res36:2475–2482Ozer M (2011) Prediction of pile bearing capacity using gene expression programming. J Perform Constr Facil 25:250–255 Koza JR (1992) Genetic programming: on the programming of computers by means of natural selection. MIT Press, Cambridge, MA。
基于交叉熵算法和遗传算法的边坡稳定性分析摘要：如何有效地识别出边坡危险滑动面一直是边坡稳定性分析的关键问题。
传统优化算法往往不能有效地搜索安全系数的全局最小解与相应的边坡危险滑动面。
为此，提出基于交叉熵算法和遗传算法的两种危险滑动面识别方法，建立了两套搜索边坡最小安全系数和危险滑动面中心坐标与半径的数值程序，并将其与GeoStudio作对比，以均质土坡的三个算例验证了所提方法和数值程序的有效性。
结果表明：本研究提出的交叉熵算法程序和遗传算法程序可以有效识别危险滑动面并计算相应边坡安全系数，其中交叉熵算法的判定系数R2最高，表现最优。
关键词：稳定性分析；毕肖普法；危险滑动面；交叉熵算法；遗传算法1 引言随着国家“一带一路”战略方针的实施，大量的铁路、高速公路等基础设施将修建于山区和丘陵地带，使得沿线边坡地质灾害问题日益凸出。
而且相关工程往往规模宏大，耗资巨万，一旦发生边坡失稳，带来的损失会相当巨大，因此边坡稳定性分析一直以来是研究的热点问题。
目前，边坡稳定性分析方法主要有极限平衡法、有限元法、离散元法等。
极限平衡法由于方法简单，结果可靠，目前它仍然是分析边坡稳定性的主要方法之一。
而极限平衡法在分析边坡稳定性时,需要确定危险滑动面才能进行计算。
2 边坡稳定性分析算法本研究系统地对比了瑞典条分法、毕肖普法和简布法等几种常用边坡稳定性分析条分法的区别与联系，最终采用误差较小的毕肖普法作为本文的边坡稳定性分析算法。
毕肖普法基于极限平衡原理，把滑裂土体当作刚体绕圆心旋转，其计算时考虑了土条之间垂直方向的相互作用力，并分条计算其滑动力与抗滑力，最后求出抗滑力与滑动力之比作为稳定安全系数。
相对瑞典条分法，其是一种改进的圆弧滑动条分法，3 危险滑动面搜索算法本研究通过对以往研究进行总结，系统对比了边坡稳定性分析中常用的危险滑动面启发式搜索算法，认为与模拟退火、禁忌搜索、引导式局部搜索、蚁群算法等局部启发法相比，遗传算法和交叉熵算法不论是在求解精度，还是在计算效率方面均表现出良好的优势。
力情况下,管桩贯入度仍很小时,管桩受损较大,容易产生爆桩。
(2)对于孤石较多的场地,宜采用静压法进行管桩施工。
遇孤石的管桩,应提高其终压力值,并复压几次,这样可通过终压力来判断管桩的承载力。
如果二根或三根管桩落在同一个孤石上,管桩的承载力难以通过桩力或静载试验来确定,应采取补桩等加强措施。
(3)当管桩桩尖下孤石埋藏较深,孤石较大且下面土层标贯击数也较多时,可利用孤石作持力层。
此时入土桩长与最后三阵贯入度(或终压力值多复压几次后)满足设计要求,方可终止沉桩。
(4)在沉桩至4～6m 左右遇孤石,在提高冲击力或压桩力后未能穿过时,则需停止沉桩,将该桩拔出,用人孔或其它方法清除孤石,回填后再继续沉桩。
五、PHC 桩基础及其他桩型基础经济比较某工程地上18层,地下1层,桩端持力层为标贯40—45击花岗岩残积土强风化花岗岩。
该工程管桩、预制方桩和大直径沉管灌注桩的技术经济比较见表5。
表中总造价中含空孔送桩费及桩机进退场费。
表5 某工程几中桩型基础技术经济比较桩型桩规格平均桩长(m )单桩承载力设计值(kN )桩数(根)单方综合造价总造价(万元)PHC桩锤击法400×952715200034250元 m 201158施 工 500×12527153000238290元 m (8115%)静压法 400×952615200034270元 m 213154施 工 500×12526153000238310元 m (8614%)预制方桩450×45026152000341250元 m 3247125(锤击法施工)550×550261530002381250元 m 3100%大直径沉管 60030102500761200元 m 3246153灌注桩700311040001221200元 m 3(9917%)参考文献1 广东省标准 预应力混凝土管桩基础技术规程(DBJ T 15-22-98)广州、19982 实用桩基工程手册 史佩栋主编 中国建筑工业出版社1999年收稿日期:200216113・省科协二届学术年会土木建筑优选论文(二)・结构・地基・遗传算法在土坡稳定性优化问题中的应用陈旅毅 (泉州市洛江区质临站 362011) 〔摘 要〕 本文基于简化B ishop 法确立的土坡稳定分析模型,用遗传算法求解土坡最小安全系数和最危险滑动面。
基于遗传算法的边坡稳定性分析
张丽;陈剑平;肖云华;郭桢
【期刊名称】《煤田地质与勘探》
【年(卷),期】2008(036)005
【摘要】边坡稳定性分析的关键是如何确定最危险滑动面.遗传算法是一种全局优化分析方法,克服了一般优化方法容易陷入局部最优解的缺点.由于工程实际中边坡几何形状的不规则和材料的非均匀性,真正的临界滑动面形状并不是都能用圆弧来准确描述的,研究任意型滑面情况下的稳定性很有必要.为更加合理地进行边坡的稳定性分析,利用遗传算法来搜索模拟边坡的最危险滑动面,在工程实例中进行具体应用,得到了非圆弧型滑动面,与其他软件计算结果对比,表明本文算法精度更高,适应性更广.
【总页数】3页(P42-44)
【作者】张丽;陈剑平;肖云华;郭桢
【作者单位】吉林大学建设工程学院,吉林,长春,130026;吉林大学建设工程学院,吉林,长春,130026;吉林大学建设工程学院,吉林,长春,130026;吉林大学建设工程学院,吉林,长春,130026
【正文语种】中文
【中图分类】P642.22
【相关文献】
1.基于量子遗传算法的边坡稳定性分析 [J], 赵建强;陈必科;戴青松
2.基于遗传算法的土质边坡稳定性分析 [J], 王小明;王宝军
3.基于改进的遗传算法边坡稳定性分析方法及其应用 [J], 何朋朋;姚磊华;汤荣贵
4.基于改进遗传算法的公路边坡稳定性分析方法 [J], 孟炜;何翔
5.基于自组织神经网络与遗传算法的边坡稳定性分析方法 [J], 刘思思;赵明华;杨明辉;潘薇
因版权原因，仅展示原文概要，查看原文内容请购买。
边坡稳定性分析方法及其适用条件本页仅作为文档封面，使用时可以删除This page is only the cover as a document 2021year边坡稳定性分析方法及其适用条件摘要：边坡是一种自然地质体，在外力的作用下，边坡将沿其裂隙等一些不稳定结构面产生滑移，当土体内部某一面上的滑动力超过土体抗滑动的能力，将导致边坡的失稳。
边坡稳定性分析是岩土工程的一个重要研究内容，并已经形成一个应用研究课题，本文对目前边坡稳定性分析中所采用的各种方法进行了归纳，并阐述了其适用条件。
关键词：边坡稳定性分析方法适用条件正文：一、工程地质类比法工程地质类比法，又称工程地质比拟法，属于定性分析，其内容有历史分析法、因素类比法、类型比较法和边坡评比法等。
该方法主要通过工程地质勘察，首先对工程地质条件进行分析，如对有关地层岩性、地质构造、地形地貌等因素进行综合调查和分类，对已有的边坡破坏现象进行广泛的调查研究，了解其成因、影响因素和发展规律等；并分析研究工程地质因素的相似性和差异性；然后结合所要研究的边坡进行对比，得出稳定性分析和评价。
其优点是综合考虑各种影响边坡稳定的因素，迅速地对边坡稳定性及其发展趋势作出估计和预测；缺点是类比条件因地而异，经验性强，没有数量界限。
适用条件：在地质条件复杂地区，勘测工作初期缺乏资料时，都常使用工程地质类比法，对边坡稳定性进行分区并作出相应的定性评价，因此，需要有丰富实践经验的地质工作者，才能掌握好这种方法。
二、极限分析法应用理想塑性体或刚塑性体处于极限状态的极小值原理和极大值原理来求解理想塑性体的极限荷载的一种分析方法。
它在土坡稳定分析时，假定土体为刚塑性体，且不必了解变形的全过程，当土体应力小于屈服应力时，它不产生变形，但达到屈服应力，即使应力不变，土体将产生无限制的变形，造成土坡失稳而发生破坏。
其最大优点是考虑了材料应力—应变关系，以极限状态时自重和外荷载所做的功等于滑裂面上阻力所消耗的功为条件，结合塑性极限分析的上、下限定理求得边坡极限荷载与安全系数。
基于多种群遗传算法的边坡稳定性分析方法研究的开题报告一、研究背景与意义边坡是地质灾害中较为常见的类型之一，其稳定性分析一直是土木工程学科中的重要研究领域。
近年来，随着计算机技术的不断发展和群体智能算法的应用，一些新的边坡稳定性分析方法不断涌现。
这些方法具有较高的应用价值和研究意义。
多种群遗传算法是群体智能算法的一种，其能够有效地解决优化问题，并且在边坡稳定性分析中具有广泛的应用前景。
因此，基于多种群遗传算法的边坡稳定性分析方法的研究，对于进一步提高边坡稳定性分析的准确性和工程应用效果具有重要意义。
二、研究内容和目标本研究旨在提出一种基于多种群遗传算法的边坡稳定性分析方法，主要包括以下研究内容：1.建立适应于多种群遗传算法的边坡稳定性分析模型。
2.设计适应于多种群遗传算法的优化算法，优化边坡稳定性的设计参数。
3.验证基于多种群遗传算法的边坡稳定性分析方法的准确性和有效性。
本研究的主要目标为：1.提高边坡稳定性分析的准确性和工程应用效果。
2.探究多种群遗传算法在边坡稳定性分析中的应用。
三、研究方法和技术路线1.文献综述：对相关文献进行阅读和综述，了解多种群遗传算法的基本原理、边坡稳定性分析的常用方法和模型。
2.边坡稳定性分析模型的建立：借鉴现有的边坡稳定性模型，并根据多种群遗传算法的特点进行适当修改和调整，建立适应于该算法的边坡稳定性分析模型。
3.多种群遗传算法的设计和实现：设计适应于边坡稳定性分析的多种群遗传算法，并使用程序语言工具实现该算法。
4.参数优化：结合多种群遗传算法的特点，对边坡稳定性的设计参数进行优化和调整，提高边坡稳定性的效果。
5.实验验证：通过实验验证多种群遗传算法在边坡稳定性分析中的应用效果，并与传统算法进行比较和分析。
四、研究预期成果通过对基于多种群遗传算法的边坡稳定性分析方法的研究，本研究预期取得以下成果：1.设计基于多种群遗传算法的边坡稳定性分析方法，提高边坡稳定性分析的准确性和工程应用效果。
遗传进化算法在边坡稳定性分析中的应用Application of genetic evolutionary algorithm for slope stability analysis 肖专文 张奇志 (沈阳建筑工程学院土木系,110015)(北京机械工业学院自动化系,100085)梁 力 林韵梅(东北大学土木系,沈阳,110006)文 摘 基于圆弧滑动面假定,提出了一种用遗传进化算法确定边坡最危险滑动面及其对应的最小安全系数的方法。
该方法模拟了生物遗传进化的过程,克服了传统方法容易陷入局部极小值的缺点,是一种全局优化算法。
关键词 遗传进化算法,边坡稳定性,最危险滑动面,最小安全系数。
中图法分类号 TU43作者简介 肖专文,女,1963年生。
1985年毕业于大连理工大学,1997年于东北大学获博士学位,副教授。
现在浙江大学土木工程学系做博士后,主要从事深基坑围护工程、地基处理、岩土工程数值模拟及其前后处理、边坡稳定分析等研究。
Xiao Zhuanwen(Department of Civil Engineering,Shenyang Architectual and Civil Engineering Institute,Shenyang,110015)Zhang Qiz hi(Department of Automation,Beijing Mechanical Industry Institute,Beijing,100083)L iang L i L i n Y unmei(Department of Civil Engineering,Northeastern University,Shenyang,110006)Abstract According to the stability analysis of slopes,a method based on the assumption of circular slip surface is put forward in this pa2 per.The method uses genetic evolutionary algorithm to determinate the most dangerous slip surface and the correspending minimum safety factor.It simulates genetic evolutionary process of organisms and avoids local minimum value.It is a global optimal algorithm,so it has obvi2 ous advantages compared with classical methods.K ey words genetic evolutionary algorithm,slope stability,most dangerous sliding surface,minimum safety coefficients.1 前 言用极限平衡理论分析边坡稳定性,其关键问题是确定最危险滑动面及其对应的最小安全系数。
基于圆弧滑动面假定,瑞典Fellenius对均质简单土坡做了大量的计算分析工作,提出了一种确定最危险滑动面圆心的经验方法[1],但该法不适用于非均质土坡。
对于非均质土坡,其最危险滑动面常为非圆弧面,但当土层不很复杂时,某滑动面仍可假定为圆弧面。
在搜索最危险滑动面圆心时,工程中最常用的方法有消元法中的二分法[2]或坐标轮换法[3]等。
尽管这些方法在工程实践中得到了广泛的应用。
然而,由于方法本身的局限性,很容易陷入局部极小值。
例如,常常因搜索起点、步长及范围等的不同而得到不同的临界滑动面及其安全系数,所以往往令人无法判断出真正的最危险滑动面。
为此,本文提出了一种用遗传进化算法搜索最危险滑动面及其对应的最小安全系数的方法。
该方法模拟了生物遗传进化过程,克服了传统方法容易陷入局部极小值的缺点,是一种全局优化算法。
2 遗传进化算法生物进化论认为生物的进化过程可以被看成是对种群操作的物理变化过程,这个过程包括复制、杂交、变异、竞争和选择。
复制过程使得种群按指数速度扩张,复制完成对后代个体的遗传基因的传递;杂交是两个个体的部分基因互换而产生两个新个体;变异是遗传基因在传递过程中出现差错;竞争是在有限的生存空间对群体进行压缩;选择是在有限的生存空间竞争的不可避免的结果;最后适者生存,劣者淘汰。
遗传进化算法[4～6]就是模拟生物进化过程,由美国John H.Holland教授首先提出来的[4]。
这种算法模仿生物遗传进化的步骤,将复制、杂交、变异、竞争和选择等概念引入到算法中,其步骤如下:a)定义一个目标函数,函数值表示可行解的适应性。
b)将候选解群体在一定的约束条件下初始化,每到稿日期:1996-09-05.44 第20卷 第1期岩 土 工 程 学 报Vol.20 No.1 1998年 1月Chinese Journal of G eotechnical Engineering Jan., 1998 一个候选解用一个向量X来编码,称为一条染色体,向量的分量代表基因。
c)群体中的每一条染色体X i(i=1,2,…,n),被译码成适于评价的形式,并赋予它一个适应值(函数值)。
d)以优胜劣汰的机制,将适应值差的染色体淘汰掉,对幸存的染色体根据其适应值的好坏按概率随机选择,进行自我复制,形成新的群体。
e)通过随机选择染色体进行遗传操作(杂交和变异),产生子代。
杂交是随机选择两条染色体(双亲),将某一位置的基因互换而产生两个新个体;变异是基因中的某一位发生突变,以达到产生新品种的目的。
f)对子代群体重复步骤c)～e)的操作,进行新一轮遗传进化过程,如果找到合适解或达到最大进化代数,则计算结束。
从上述算法可以看出,“优胜劣汰的机制”以及“按概率复制”是为了使新群体的性能提高,“杂交”和“变异”的操作是为了产生新的品种。
只有产生新的品种,才能为“优胜劣汰”提供原材料,才有可能找到最优解,从而使算法跳出局部极值。
将“按概率复制”和“杂交”、“变异”结合在一起,则是为了产生好的新品种,以达到进化的目的。
由此可见,遗传进化算法虽属一种随机算法,但它又具有一定的方向性,它所使用的“按概率随机选择”是在有方向的搜索过程中的一种工具,正是由于它的方向性,使得它比一般的随机搜索的效率要高。
3 边坡最危险滑动面的遗传进化算法对于边坡稳定性分析问题,根据遗传进化算法的基本思想,本文基于圆弧滑动面假定,提出了一种用遗传进化算法确定最危险滑动面及其对应的最小安全系数的方法。
(1)目标函数的定义这里的目标函数即为边坡稳定安全系数公式。
为简便起见,采用简单条分法的公式,即F=∑ni=1(c i l i+γi h i b i cosαi tgφi)∑ni=1γih i b i sinαi (1)式中 γi为土的重度;b i,h i为土条的宽度和高度;l i 为第i土条滑动面的弧长;c i,φi为滑动面上土层的粘聚力和内摩擦角;n为分条数;αi为土条i滑动面的法线与竖直线的夹角。
计算简图如图1所示,用安全系数的大小表示可行解的适应性。
本问题为寻找最小安全系数,因此F 值越小,适应性能越好。
图1 简单条分法计算简图Fig.1 Simple slice method (2)初始解种群的确定给定最危险滑弧圆心搜索范围,在此范围内随机、均匀地选择n个圆心O i(x i,y i),i=1,2,…,n。
其中n为圆心群体个数;圆心O i代表第i条染色体;坐标分量x i,y i为染色体O i的基因。
(3)最危险滑弧半径的确定对每个圆心给出滑弧半径搜索范围,在此范围内搜索最危险滑弧半径。
具体方法如下:a)随机均匀地选取m个半径R j(j=1,2,…,m)作为父代。
b)按概率对父代中的每个半径进行变异操作,即加上一个随机量,产生子代个体,从而形成新的群体R j(j=1,2,…,2m)。
c)对新群体中的每一个半径R j按公式(1)计算安全系数F j,则F j为R j所对应的适应值。
d)以优胜劣汰的机制,将群体中F值较大的一半淘汰掉,幸存者成为新一代父代。
e)重复b)～d)的操作,直至连续几代求出的最小安全系数不变,即为圆心O i所对应的适应值F i。
(4)竟争、选择和复制的操作将O i所对应的适应值F i(i=1,2,…,n)中n/2个F值较大的圆心点淘汰掉,对幸存的n/2个圆心点根据其适应值大小按概率自我复制,形成新的n个圆心点。
(5)杂交和变异的操作随机选择n/4对圆心,将每一对圆心坐标的某一个分量进行互换,产生一对新的圆心,从而完成杂交操作。
然后再随机选择n/2个圆心,将每个圆心坐标的某个分量通过加上一个随机量来产生新的圆心,从而完成变异操作。
(6)最危险滑动面确定对子代群体重复(3)～(5)的操作,直至对最小安全系数F1值满意或达到最大进化代数,则计算结束。
由F1所对应的圆心O1和半径R1确定的滑动面即为最危险滑动面。
根据上述步骤,编制了FOR TRAN计算程序GEN。
该程序可以考虑地下水、复杂形状的边坡以及54 第1期肖专文等1遗传进化算法在边坡稳定性分析中的应用边坡上有荷载作用等情况,还可以推广到毕肖普法计算公式。
4 计算实例以及与二分法的比较现以某滨海油田海堤为例进行计算分析。
海堤边坡及地基剖面与各特征点坐标如图2所示。
各土层计算参数如表1。
图2 海堤边坡及地基剖面图Fig.2 Section of slope and foundation表1 各土层计算参数Table 1 Parameters of soil layers层次土类重度γ(kN/m 3)粘聚力c (kPa )内摩擦角φ(°)海堤素填土19.22035Ⅰ粉土19.6832.5Ⅱ淤泥质粘土18.510.50Ⅲ粉土19.81030 注:表中淤泥质土强度为十字板剪切强度;粉土层强度为固结不排水剪切强度。
计算中给出三种不同的圆心搜索范围,分别用遗传进化算法和文献[2]中的二分法进行计算,计算结果列于表2。
由表2可见,对于三种不同的圆心搜索范围,二分法的三个计算结果最小安全系数和相应的危险滑动面变化比较大,说明该法计算结果与圆心搜索范围有很表2 遗传进化算法和二分法的计算结果Table 2 Calculated results of genetic evolutionary algorithm and two dividing method最危险滑弧圆心搜索范围(m )计 算 结 果遗传进化算法危险滑弧圆心坐标(m )危险滑弧半径(m )安全系数二 分 法危险滑弧圆心坐标(m )危险滑弧半径(m )安全系数X min X max Y min Y maxX GY GR GF SX GY GR GF S048-301436.43014.0009.074 1.07635.550 3.36119.629 1.3311048-201436.42914.0009.073 1.07537.0898.88614.139 1.18820481436.39514.0009.0711.07335.32613.1329.9251.137大关系,计算搜索过程很容易陷入局部极小值;而遗传进化算法的三个计算结果比较接近,说明遗传进化算法与圆心搜索范围关系不大,只要大概给出一个合理的范围,就能够得到全局最优解。
