基于遗传优化神经网络的边坡稳定性评价

由于引起滑坡的因素复杂,传统预测方法难以得到高精度的结果.文中利用遗传算法(GA)全局搜索能力强、不易陷入局部极小值的特点对样本的初始权值和阈值进行优化处理,使得前馈型神经网络(BP)在学习和预测时能够得到一个最佳的权值和阈值,从而探索出影响滑坡的因子与边坡稳定性之间潜在的关系.从仿真结果可知:优化权值后的BP神经网络得到边坡稳定性的判对率达到100％,而随机权值BP神经网络的判对率仅为54.5％,判对率提高了45.5％;安全系数较随机权值BP神经网络的平均误差提高了6.08％.因此,优化BP神经网络的预测精度得到明显提高,在今后边坡稳定性的实际应用评价中可作为一种有效的辅助手段.