浅谈人工智能技术在大坝安全分析中的应用

《浅谈人工智能技术在大坝安全分析中的应用》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、浙江大学硕士学位论文人工智能技术在大坝安全分析中的应用姓名：余功栓申请学位级别：硕士专业：岩土工程指导教师：张我华20040101《人_T智能技术在大坝安全分析中的应用》摘要本文应用人工智能技术中的人工神经网络模型、模糊神经网络模型、遗传算法对影响到堤坝安全的三个问题进行了分析，分别对堤坝管涌预测判定问题、混凝土坝抗震可靠度问题、堤坝边坡稳定性的可靠性评估问题运用人工智能技术进入深入分析，获得很好的结果。第一个分析的问题是堤坝管涌问题，应用人工智能技术建立了管涌预测与判定的模型。首先分析了堤坝管涌发生的过程和影响管涌发生的因素，提出了一种预测判定管涌发生可能性的机理模型，根据机理模型

2、从影响堤坝管涌发生的诸多复杂因素中选出既便于测量、观测又对管涌发生影响显着的几种因素作为人工神经网络的输入，建立了管涌影响因素与管涌发生指标之间的映射关系。应用收集到的管涌数据对管涌人工神经网络模型进行训练和预测，预测的结果精度较高，说明人工神经网络是预测判定管涌发生的有效方法。针对管涌发生的不确定性和模糊性，文中进一步建立了管涌的模糊神经网络模型，用同样的样本对模糊神经网络进行训练和测试，获得不错的预测结果，证明模糊神经网络也是预测判定管涌发生的有效方法。第二个分析的问题是混凝土坝的抗震可靠度问题，应用人工神经网络技术建立混凝土重力坝和拱坝的抗震可靠度模型。针对混凝土大坝抗震可靠度

3、分析中，大多数功能函数不一定能显式给出，目前一般使用几何法求解，由于存在各种假定和近似，几何法不是一种完备的求解方法，对非线性问题求解繁琐甚至困难。运用人工神经网络建立了混凝土大坝抗震可靠度与影响它的因素之间的映射关系，将收集的混凝土坝抗震可靠度数据对模型进行训练和测试，结果表明人工神经网络具有很强的映射能力，对混凝土坝抗震可靠度的预测是可行的。第三个分析的问题是堤坝边坡稳定性安全评估问题，应用遗传算法寻优最小安全系数和最小可靠指标。文中针对随机风浪作用下侵蚀一损伤的堤坝边坡稳定性提出一种安全可靠性评价方法，应用遗传算法寻找最危险滑动面对应的安全系数和最小可靠指标，并与传统优化算法进

4、行比较，遗传算法寻优结果稳定不依赖于初值，明显优于传统优化算法。关键词：人工智能；人工神经网络；模糊神经网络；遗传算法；管涌；混凝土重力坝混凝土拱坝；抗震可靠度；边坡稳定性；安全功能函数；风浪作用；侵蚀一损伤。浙江人学颂士学位论文ABSTRACTThisPaDerusesartificialneuraInetwork．fuzzyneuralnetworkandgeneticalgorithminartificialintelligenttoanalysisthreeproblemsaffectingthesafetyofembankment．whichincludespredicti

5、onandiudgementofpipingoccurringinembankment，seismicreliabilityofconcretedams，slopereliabilityevaluationofleveeprojects，madgetsgoodresults．Thefirstproblemanalyzedisse印agepipinginembankment，theartificialintelligentmodelofpredictionandiudgmentforpipingisproposed．Amechanicsmodelhasbeenpresentedtopr

6、edictandjudgethepossibilityofpipingoccurringbasedontheanalysisofprocessofpipingoccurringandthefactorsaffectingontheoccurringofpiping．AsetoffactorswhichhavesignificanteffectsontheoccurringofpipingaswellasmoreeasilytobeobservedandmeasuredhavebeenselectedastheinDutofartificialneuralnetworkbythedev

7、elopedmechanismmodel，andthemappingrelationhasestablishedbetweenthefactorsaffectingontheoccurringofpipingandtheindexofoccurringofpiping．Thedevelopedartificialneuralnetworkofpipinghasbeentrainedandpredictedbvt11ecollecteddataandthep