仿生算法与岩土边坡稳定性测度分析研究

严先 辉*, 胡 媛媛, 唐 辉, 程 代兵
南充职业技术学院　土木与建筑工程学院

摘要


随着复杂工程项目中岩土边坡安全问题日益突出，传统的稳定性测度方法在滑裂面识别精度、参数敏感性
以及求解效率方面仍存在较大局限。现有的智能分析方法多依赖固定迭代策略与静态参数配置，难以有效应对非均
质地质条件和多目标优化需求。为此，本文引入仿生计算中的改进蚁群算法（ACO），融合人工智能的自适应搜索机
制与动态信息素调控策略，构建了一套面向边坡稳定性分析的智能建模与优化求解框架。该方法具体通过建立以最
小安全系数为目标函数的搜索模型，引入边坡几何、土性参数与地下水变化等约束条件，实现在复杂地质环境下对
潜在滑裂面的高精度动态识别与路径寻优控制。实验结果表明，改进蚁群算法（A4）表现最为均衡，其最小安全系
数为1.271，偏差率仅为-0.39%，更贴近经典方法的结果，匹配度高达0.983，说明滑裂面识别结果与理论最危险面
高度吻合。

关键词


仿生算法；蚁群优化；边坡稳定性；滑裂面识别；多目标优化

全文:

PDF


参考


[1]Pei T, Qiu T. Machine learning with monotonic

constraint for geotechnical engineering applications: an

example of slope stability prediction[J]. Acta Geotechnica,

2024, 19(6): 3863-3882.

[2]Demisie T, Getahun E, Jothimani M, et al.

Geotechnical study for assessing slope stability at the proposed

weito dam site in Ethiopia: implications for environmental

sustainability and resilience[J]. Eng, 2024, 5(2): 1140-1154.

[3]Adeoti G O, Agbelele J K, Yabi C P, et al. Strategies

for Advancing Road Construction Slope Stability: Unveiling

Innovative Techniques for Managing Unstable Terrain[J].

Open Journal of Civil Engineering, 2023, 13(4): 572-616.




DOI: http://dx.doi.org/10.12361/2661-3654-07-05-146865

Refbacks

  • 当前没有refback。