[发明专利]基于模糊分类技术的边坡可靠性参数获取方法及装置

权利要求书

1.一种基于模糊分类技术的边坡可靠性参数获取方法，其特征在于，所述方法包括：

根据m个不确定性参数各自对应的均值与标准差，通过正交设计法，生成k个训练样本向量，每个所述训练样本向量由所述m个不确定性参数各自对应的试验数据构成，其中，m与k为非零自然数，k的最大取值与m呈指数关系；其中，根据m个不确定性参数各自对应的均值与标准差，通过正交设计法，生成k个训练样本向量，包括：根据m个不确定性参数的均值和标准差，通过正交设计法，至少生成一组第一训练样本向量，每个所述不确定性参数的均值为μ_i，标准差为σ_i，每个所述第一训练样本向量中的每个所述不确定性参数对应的3个水平为:μ_i-2σ_i、μ_i、μ_i+2σ_i，或者为μ_i-3σ_i、μ_i、μ_i+3σ_i，其中i＝1,2,…,m，每一组所述第一训练样本向量的数量为n_j，n_j≤3^m，j为组编号，有j∈N+，合并所述第一训练样本向量为训练样本向量，所述训练样本向量的样本数为k，或其中，t为所述第一训练样本向量的组数；

根据所述k个训练样本向量及一个或多个确定性参数，通过边坡稳定性分析方法，获取所述k个训练样本向量各自对应的边坡稳定系数；

以所述k个训练样本向量为自变量，以其各自对应的边坡稳定系数为因变量，构成映射关系，通过支持向量机算法，获取映射关系表达式；其中，所述映射关系表达式需通过如下回归性能检验：根据平均相对误差、相关系数、样本数量冗余度三项指标考核支持向量机对训练样本的回归程度，以及训练样本数量是否充足；若无法同时满足要求，则重新生成或者增补所述训练样本后，更新获取所述映射关系表达式，并再次计算所述平均相对误差、所述相关系数以及所述样本数量冗余度三项指标，再次进行检验，如此往复，直至满足向量机回归性能检验为止；

根据随机生成的N个服从于联合概率分布的待测样本向量、所述映射关系表达式以及预设的失稳状态模糊判别函数，获取边坡可靠性参数，所述边坡可靠性参数包括N个待测样本向量各自对应的边坡稳定系数的均值和标准差、边坡失效概率以及可靠度指标，其中，每个所述待测样本向量由所述m个不确定性参数各自对应的随机数据构成。

2.根据权利要求1所述的方法，其特征在于，所述以所述k个训练样本向量为自变量，以其各自对应的边坡稳定系数为因变量，构成映射关系，通过支持向量机算法，获取映射关系表达式，包括：

根据所述k个训练样本向量及其各自对应的边坡稳定系数，以及预设规则，获取最优偏移量以及所述k个训练样本向量各自对应的最优拉格朗日对偶；

根据所述最优偏移量、所述k个训练样本向量及其各自对应的最优拉格朗日对偶，获取映射关系表达式。

3.根据权利要求2所述的方法，其特征在于，所述根据随机生成的N个服从于联合概率分布的待测样本向量、所述映射关系表达式以及预设的失稳状态模糊判别函数，获取边坡可靠性参数，所述边坡可靠性参数包括N个待测样本向量各自对应的边坡稳定系数的均值和标准差、边坡失效概率以及可靠度指标，其中，每个所述待测样本向量由所述m个不确定性参数各自对应的随机数据构成，包括：

根据随机生成的N个服从于联合概率分布的待测样本向量及所述映射关系表达式，获取N个待测样本向量各自对应的边坡稳定系数，计算所述N个待测样本向量各自对应的边坡稳定系数的均值和标准差，其中，每个所述待测样本向量由所述m个不确定性参数各自对应的随机数据构成；

根据所述N个待测样本向量各自对应的边坡稳定系数以及所述预设的失稳状态模糊判别函数，分别计算所述N个待测样本向量各自对应的模糊隶属度值；

计算所述N个待测样本向量各自对应的模糊隶属度值的累加和与N的比值，并将所述比值作为所述边坡失效概率；

根据所述边坡失效概率和预设规则，计算所述可靠度指标。