基于RS-BPNN理论的边坡稳定性预测及应用

• 作者: 刘永 彭洁 招国栋 李国辉
• 来源期刊: 南华大学学报（自然科学版）
• 学科: 工学
• 关键词: 边坡稳定性 粗糙集 BP神经网络 属性约简 预测
• 年，卷（期）: 2015,（3）
• 所属期刊栏目: 建筑工程?艺术设计
• 页码范围: 122-128
• 页数: 7页
• 分类号: TU457
• 字数: 2776字
• 语种: 中文

摘要

从文献资料中收集并整理了45组各类危险边坡数据实例，结合粗糙集理论的数据挖掘功能和BP神经网络理论的非线性映射功能，建立了基于粗糙集-BP神经网络( RS-BPNN)理论的边坡稳定性预测模型.利用粗糙集对离散化后的数据进行了属性约简，利用神经网络对约简前后的数据进行了网络训练和仿真，并对其中五组边坡的安全系数和稳定状态进行了预测.结果表明，未经约简的BP网络安全系数预测的平均误差率为14.51％，约简后的RS-BP网络预测的平均误差率为7.24％，且经过粗糙集约简后边坡的预测状态与边坡的实际状态更加吻合.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李国辉	南华大学环境保护与安全工程学院	10	32	4.0	5.0
2	刘永	南华大学研究生院	7	18	3.0	3.0
3	招国栋	南华大学研究生院	5	14	3.0	3.0
4	彭洁	南华大学环境保护与安全工程学院	4	7	2.0	2.0