[发明专利]一种基于AdaBoost算法的边坡可靠度判断方法

说明书

本发明公开了一种基于AdaBoost算法的边坡可靠度判断方法，本方法中，先根据小样本量的影响因素实际数据，通过均匀试验生成大样本量的数据集用于训练，得到影响因素和稳定性结果的映射关系，然后再通过蒙特卡罗模拟生成的大量随机变量数据带入该映射关系的模型中，求解出实效概率和可靠度指标。本发明能够更加可靠有效地分析判断边坡稳定程度大小，获得其失效概率，为边坡工程决策提供依据，更好地保证边坡工程的安全性。

技术领域

本发明涉及边坡土体安全检测技术领域，具体涉及一种基于AdaBoost算法的边坡可靠度判断方法。

背景技术

边坡可靠度大小，即指边坡在失稳因素作用下维持稳定性的可能性大小。

边坡分为天然斜坡和人工边坡两类，后者又分为开挖边坡和堤坝边坡等。不稳定的天然斜坡和设计坡角过大的人工边坡，在岩、土体重力，水压力，振动力以及其他外力作用下，常发生滑动或崩塌破坏。大规模的边坡岩、土体破坏能引起交通中断，建筑物倒塌，江河堵塞，水库淤填，给人民生命财产带来巨大损失。故研究边坡失稳的研究具有重要意义。

现有边坡稳定性相关的专利，大多数为对边坡稳定性进行预测或者监控的技术。通常为在边坡土体内埋设传感器或者通过在边坡上方设置摄像头的方式实现监控。例如CN207335617U公开的一种既有路基、边坡稳定性的监测结构，CN112432661A公开的一种基于BIM平台的边坡稳定性监测系统。再例如CN101718876B公开的一种基于岩土体应变状态突变的边坡稳定性监测及失稳预测方法；CN103163563B公开的一种三维边坡稳定性预测方法。

上述种种专利，均是对边坡稳定性进行检控或者预测，是属于基于确定性分析法的方案，即待分析边坡的所有参数都是确定的定值，进而去判断边坡是否稳定，但实际中的边坡稳定性判别因素均存在大量的不确定性，包括计算参数的变异性和随机性，导致确定性分析法很难反映出边坡的实际稳定性状况。

故怎样能够考虑边坡各因素的不确定性，而实现对边坡稳定性程度、维持稳定性概率的判断，使其更加适于实用，成为本领域有待考虑解决的问题。

现有技术中，也有部分专利考虑了边坡因素的不确定性的边坡稳定性计算方法，例如 CN111428363A所公开的基于支持向量机SVM的边坡失效概率计算方法。但该计算方法中，对训练样本具体怎样获得，并使其能够更好地支持模型的正确性和可靠性，并没有详细说明。同时其选用的算法及计算结果的可行性也没有验证评估。故最终计算结果的准确性、可靠性和有效性不能得到更好的保证。

发 明内容

针对上述现有技术的不足，本发明所要解决的技术问题是：怎样提供一种更加可靠有效，能够判断边坡稳定程度大小的基于AdaBoost算法的边坡可靠度判断方法。

为了解决上述技术问题，本发明采用了如下的技术方案：

一种基于AdaBoost算法的边坡可靠度判断方法，其特征在于，包括以下步骤：

1.确定影响边坡稳定性的因素，获取小样本量的影响因素的实际数据集，确定其概率分布，利用均匀试验生成大样本量的影响因素的数据集；

2.根据待预测的边坡构建边坡模型，利用FLAC^3D软件，输入影响因素的数据集，采用强度折减法对每组指标参数对应的安全系数K进行求解；

3.将计算得到的安全系数K与容许安全系数[K]进行比较，得到相应影响因素所对应的边坡稳定结果，进而构建出判定指标影响因素和对应稳定性结果的数据集；

4.通过AdaBoost算法和上述训练样本构建AdaBoost分类器，建立边坡是否稳定和影响因素之间的映射关系；

5.将蒙特卡罗模拟生成的大量随机变量数据，代入到训练好的AdaBoost算法模型中，获得相应稳定性判别结果，进而求解边坡失效概率和可靠度指标，实现可靠度判断。