[發明專利]基于支持向量機SVM的邊坡系統失效概率計算方法

有效

• 申請號: 202010214048.8
• 申請日: 2020-03-24
• 公開（公告）號: CN111428363B
• 公開（公告）日: 2022-07-01
• 發明（設計）人: 曾鵬;張天龍;李天斌;孫小平;王宇豪
• 申請（專利權）人: 成都理工大學
• 主分類號: G06F30/20
• 分類號: G06F30/20;G06N7/00
• 代理公司: 北京潤澤恒知識產權代理有限公司 11319
• 代理人: 莎日娜

本申請提供了基于支持向量機SVM的邊坡系統失效概率計算方法，提出強度折減法SRM對穩定性系數進行評估，并采用初始采樣點策略和主動學習函數，構建了原始極限狀態函數LSF的主動學習支持向量機ASVM代理模型，將蒙特卡羅模擬MCS和ASVM代理模型相結合來評估邊坡系統的失效概率，可以量化隨機變量及其相關參數對邊坡穩定性的影響，大大減少了初始樣本點數，有效提高了計算效率，可自動識別土質邊坡中任意形狀的滑動面，在對具有復雜幾何形狀的層狀邊坡進行可靠度分析時更為方便。

技術領域

本申請涉及土質邊坡穩定性分析領域，特別是涉及基于支持向量機SVM的邊坡系統失效概率計算方法。

背景技術

邊坡穩定性評價是一個復雜的巖土工程問題，其輸入參數具有不確定性。使用穩定性系數(FS)的傳統確定性分析方法可能無法真實反映邊坡的安全性。為了量化不確定性的影響，概率方法被廣泛應用于邊坡可靠性分析中。

一個邊坡可能沿著不同的滑動面發生破壞，任何一個滑動面的破壞都會引起邊坡的破壞，從而形成一系列的系統問題。對此類復雜問題進行準確有效的可靠性分析，是概率方法在巖土工程實踐中應用所面臨的主要難題。

直接模擬方法是概率方法的一種，如蒙特卡羅模擬(MCS)和重要性抽樣(IS)可以對邊坡系統的失效概率P_f,s進行無偏估計，但目前大多數學者采用極限平衡法(LEM)進行可靠度分析，該方法與MCS結合時，需要在每次模擬中搜索具有最小FS的臨界滑動面，因此計算量很大。更關鍵的問題在于，LEM主要采用隨機生成的滑動面，可能會錯過臨界滑動面，從而提供偏差較大的P_f,s估計值。

為了有效結合LEM與MCS，另一種常見方法是識別一些對P_f,s貢獻最大的典型滑動面(RSSs)，然后，考慮不同RSSs之間的相關性，可以容易地計算P_f,s。已有技術中有通過隨機產生大量潛在滑動面來識RSSs的。然而，這種基于RSSs的方法面臨的一個挑戰是如何選擇RSSs之間相關系數的合理閾值，以達到計算效率和精度。

為了提高計算效率，代理模型與MCS一起被廣泛應用。許多通用和先進的代理模型被用于邊坡可靠性分析，如高斯過程回歸法、群智能支持向量機法和多元自適應回歸樣條法。LEM常被選為確定性分析方法來評價邊坡的FS，LEM的優點是它的簡單性和低計算成本，但它的主要缺點是：當事先不知道臨界滑動面時很難定位；此外，試驗滑動面通常假定為圓形，這可能不適合復雜的邊坡系統，特別是當邊坡存在軟弱夾層時。

因此，開發一種可靠、高效的失效概率計算方法，這對邊坡系統的可靠性來說是十分急切的。

發明內容

本申請提供了基于支持向量機SVM的邊坡系統失效概率計算方法，以克服上述技術問題。

為了解決上述技術問題，本申請公開了基于支持向量機SVM的邊坡系統失效概率計算方法，包括：

步驟S1：在標準正態空間中，利用初始采樣點策略生成所述邊坡系統的訓練樣本集；

步驟S2：將所述訓練樣本集中未確定功能響應G(u)的樣本點從所述標準正態空間轉換至物理空間，并利用強度折減法計算轉換至物理空間后的樣本點對應的G(u)；

步驟S3：在所述標準正態空間中，利用所述訓練樣本集和G(u)，訓練支持向量機SVM代理模型；

步驟S4：利用訓練后的SVM代理模型預測蒙特卡羅模擬MCS池中所有樣本點的功能響應，并根據預測的功能響應計算當前迭代的失效概率，將當前迭代的失效概率記錄在預設矩陣中；

步驟S5：判斷最后五次迭代計算的失效概率的變異系數是否小于預設的收斂閾值；