本發(fā)明涉及邊坡安全，尤其涉及一種基于邊坡安全系數(shù)的危險滑裂面預(yù)測方法。

背景技術(shù)：

1、邊坡穩(wěn)定分析大多數(shù)基于安全系數(shù)進(jìn)行，常用的求解最小安全系數(shù)方法有梯度法、單純形法、模擬退火法、神經(jīng)網(wǎng)絡(luò)法、遺傳算法、粒子群優(yōu)化算法、混沌優(yōu)化算法等，這些方法各有其優(yōu)點(diǎn)，但也都存在不足之處，例如：梯度法要求目標(biāo)函數(shù)是連續(xù)可導(dǎo)；單純形法易收斂于局部最優(yōu)解；遺傳算法易出現(xiàn)早熟收斂，且算法的性能對參數(shù)的選取有較大的依賴性；粒子群優(yōu)化算法容易陷入局部最優(yōu)。

2、現(xiàn)有設(shè)計改進(jìn)的金豺優(yōu)化算法，在種群初始化階段，引入fuch映射理論和精英種群策略，對金豺種群進(jìn)行優(yōu)化初始化，在種群的迭代輸出階段，引入自適應(yīng)慣性權(quán)重ω和改進(jìn)的麻雀算法中的探索者位置更新策略，引入麻雀算法中的探索者位置更新策略，對改進(jìn)的麻雀算法的解再次更新；雖然金豺優(yōu)化算法的性能在上述改進(jìn)方法中已取得了一定的提升，但仍面臨在迭代后期收斂速度慢以及在處理多峰工程問題時，全局搜索能力不足，容易陷入局部最優(yōu)的問題，為此，我們提出一種基于邊坡安全系數(shù)的危險滑裂面預(yù)測方法，以解決上述問題。

技術(shù)實(shí)現(xiàn)思路

1、本發(fā)明所要解決的問題是現(xiàn)有的改進(jìn)金豺優(yōu)化算法仍面臨在迭代后期收斂速度慢以及在處理多峰工程問題時，全局搜索能力不足，容易陷入局部最優(yōu)的問題。

2、為了解決上述技術(shù)問題，本發(fā)明提供了一種基于邊坡安全系數(shù)的危險滑裂面預(yù)測方法，所述預(yù)測方法的具體步驟為：

3、s1：收集某個邊坡的土層參數(shù)數(shù)據(jù)；

4、s2：構(gòu)建基于畢肖普法和圓弧法的邊坡穩(wěn)定性分析計算模型和目標(biāo)函數(shù)；

5、s3：引入金豺優(yōu)化算法，利用混合策略對金豺優(yōu)化算法改進(jìn)，并優(yōu)化邊坡安全系數(shù)計算目標(biāo)函數(shù)，獲取邊坡對應(yīng)的最小安全系數(shù)和對應(yīng)的圓弧圓心位置和半徑；

6、s4：基于計算出的邊坡最小安全系數(shù)對應(yīng)的圓心位置和半徑，構(gòu)建出邊坡的最危險滑裂面；

7、優(yōu)選的，所述步驟s1中的參數(shù)數(shù)據(jù)包括土壤的容重和內(nèi)摩擦角、黏聚力以及相應(yīng)的土層高度信息。

8、優(yōu)選的，所述步驟s3中金豺優(yōu)化算法的具體步驟為：

9、s301：輸入目標(biāo)參數(shù)；

10、s302：對目標(biāo)參數(shù)進(jìn)行初始化；

11、s303：采用tent-logistic-cosine混沌映射初始化種群位置；

12、s304：計算獵物適應(yīng)度值，分配雄雌金豺；

13、s305：計算獵物逃避能量e；

14、s306：當(dāng)|e|≥1時，如果到達(dá)第nfr次迭代，使用yt+1更新雄豺個體位置，否則引入柯西逆累積分布函數(shù)更新雄豺位置；當(dāng)|e|＜1時，如果到達(dá)第nfr次迭代，使用yt+1更新雄豺個體位置，否則引入切線飛行更新雄豺位置；

15、s307：判斷算法是否結(jié)束，若當(dāng)前迭代數(shù)小于t，跳轉(zhuǎn)步驟s304執(zhí)行；若當(dāng)前迭代次數(shù)等于t，輸出金豺位置作為最優(yōu)解。

16、優(yōu)選的，所述步驟s301中的目標(biāo)參數(shù)包括算法最大迭代數(shù)t、種群規(guī)模n、維數(shù)d、邊界lb和ub。

17、優(yōu)選的，所述步驟s306中yt+1的具體公式為：

18、

19、式中：yt+1為更新后獵物的位置。

20、優(yōu)選的，所述yt+1公式中的ymt和yfmt為更新前雄雌豺的位置。

21、優(yōu)選的，所述yt+1公式中的am為自定義的幅度因子、rand為0—1內(nèi)的隨機(jī)值。

22、本發(fā)明的技術(shù)效果和優(yōu)點(diǎn)：

23、1.本發(fā)明通過引入全新的金豺優(yōu)化算法方法，在保留其原有的尋優(yōu)能力基礎(chǔ)上，提出一種混合策略對其進(jìn)行改進(jìn)，即利用tent-logistic-cosine混沌映射初始化種群，使用周期變異策略對金豺位置進(jìn)行擾動，并在搜索和進(jìn)攻階段引入柯西逆累積分布函數(shù)和正切飛行算子更新個體位置，大幅增強(qiáng)了算法的穩(wěn)定性、搜索效率和全局尋優(yōu)能力。

24、2.本發(fā)明通過與其他算法進(jìn)行對比，針對現(xiàn)有的算法，在處理高維復(fù)雜問題時，收斂速度和尋優(yōu)精度，通過引入tent-logistic-cosine混沌映射、周期變異策略、柯西逆累積分布函數(shù)和切線飛行策略對金豺優(yōu)化算法進(jìn)行改進(jìn)，改進(jìn)后的金豺優(yōu)化算法無論是在尋優(yōu)精度和速度上都有明顯的優(yōu)勢，有利于提高預(yù)測的準(zhǔn)確性。

技術(shù)特征：

1.一種基于邊坡安全系數(shù)的危險滑裂面預(yù)測方法，其特征在于：所述預(yù)測方法的具體步驟為：

2.根據(jù)權(quán)利要求1所述的一種基于邊坡安全系數(shù)的危險滑裂面預(yù)測方法，其特征在于：所述步驟s1中的參數(shù)數(shù)據(jù)包括土壤的容重和內(nèi)摩擦角、黏聚力以及相應(yīng)的土層高度信息。

3.根據(jù)權(quán)利要求1所述的一種基于邊坡安全系數(shù)的危險滑裂面預(yù)測方法，其特征在于：所述步驟s3中金豺優(yōu)化算法的具體步驟為：

4.根據(jù)權(quán)利要求3所述的一種基于邊坡安全系數(shù)的危險滑裂面預(yù)測方法，其特征在于：所述步驟s301中的目標(biāo)參數(shù)包括算法最大迭代數(shù)t、種群規(guī)模n、維數(shù)d、邊界lb和ub。

5.根據(jù)權(quán)利要求3所述的一種基于邊坡安全系數(shù)的危險滑裂面預(yù)測方法，其特征在于：所述步驟s306中yt+1的具體公式為：

6.根據(jù)權(quán)利要求5所述的一種基于邊坡安全系數(shù)的危險滑裂面預(yù)測方法，其特征在于：所述yt+1公式中的ymt和yfmt為更新前雄雌豺的位置。

7.根據(jù)權(quán)利要求5所述的一種基于邊坡安全系數(shù)的危險滑裂面預(yù)測方法，其特征在于：所述yt+1公式中的am為自定義的幅度因子、rand為0—1內(nèi)的隨機(jī)值。

技術(shù)總結(jié)
本發(fā)明提供了一種基于邊坡安全系數(shù)的危險滑裂面預(yù)測方法，涉及邊坡安全技術(shù)領(lǐng)域，具體包括收集某個邊坡的土層參數(shù)數(shù)據(jù)；構(gòu)建基于畢肖普法和圓弧法的邊坡穩(wěn)定性分析計算模型和目標(biāo)函數(shù)；引入金豺優(yōu)化算法，獲取邊坡對應(yīng)的最小安全系數(shù)和對應(yīng)的圓弧圓心位置和半徑；構(gòu)建出邊坡的最危險滑裂面；本發(fā)明通過引入全新的金豺優(yōu)化算法方法，在保留其原有的尋優(yōu)能力基礎(chǔ)上，提出混合策略對其進(jìn)行改進(jìn)，即利用Tent?Logistic?Cosine混沌映射初始化種群，使用周期變異策略對金豺位置進(jìn)行擾動，并在搜索和進(jìn)攻階段引入柯西逆累積分布函數(shù)和正切飛行算子更新個體位置，大幅增強(qiáng)了算法的穩(wěn)定性、搜索效率和全局尋優(yōu)能力。

技術(shù)研發(fā)人員：何春保,杜恒,周文濤
受保護(hù)的技術(shù)使用者：華南農(nóng)業(yè)大學(xué)
技術(shù)研發(fā)日：
技術(shù)公布日：2025/1/9