摘要
本发明提供了一种土工格栅边坡的最危险滑面预测方法及系统,涉及最危险滑面预测技术领域,包括获取土工格栅边坡的设计数据和历史监测数据,并基于设计数据搭建最危险滑面的物理计算模型。利用马尔科夫随机场对设计数据进行处理,并将处理后的数据样本输入最危险滑面物理计算模型,得到最危险滑面的数据集。将该数据集与设计数据分为训练集和测试集,并将其输入预设神经网络进行训练与验证。通过改进的冠状病毒群免疫优化算法对神经网络进行优化,得到优化后的最危险滑面预测模型。将历史监测数据输入优化后的模型,预测土工格栅边坡的最危险滑面参数。本发明能够精确预测土工格栅边坡的最危险滑面,提升边坡稳定性分析的准确性。
技术关键词
土工格栅
冠状病毒
历史监测数据
参数
基因
混沌映射方法
面点
算法
预测系统
样本
边坡稳定性分析
图像
物理
滑块
处理单元
训练集
年龄
规模
系统为您推荐了相关专利信息
海上风电场
调度优化方法
数字孪生体
多尺度窗口
风电设备
混合深度学习模型
振动响应预测方法
轮轨
融合特征
参数
测控终端
切换方法
深度强化学习方法
测控通信技术
切换设备
整定优化方法
多旋翼飞行器
飞行动力学模型
配平
通道
图像畸变校正方法
位点
图像畸变校正装置
关系
校正畸变图像