输电线路塔基土质边坡稳定性评价的BP网络模型

韦立德，安少鹏，李鹏云，段华雍

(1.中国科学院武汉岩土力学研究所，湖北 武汉 430071；2.广东网公司电力科学研究院，广东 广州 510600；3.南昌航空大学，江西 南昌 330063)

1 概述

应用人工神经网络BP模型建立土质边坡安全系数估算方法，国内文献首先做了探讨，他们采用文献边坡实例建立边坡稳定性预测模型的神经网络模型，建立的模型是普遍性和考虑孔隙压力比的，普遍性体现在的模型考虑了土坡、尾矿坝、甚至岩坡情况。此后也有类此工作，有的针对黄土边坡建立边坡安全系数估算的神经网络模型。但是针对广东土坡的边坡安全系数估算的神经网络模型还没有相关研究成果。

电塔基础的承载体边坡犹如皮肤，电塔基础犹如肤毛，“皮之不存，毛将焉附”能够非常恰当的形容了电塔基础对它下面边坡的依赖关系。如果边坡因为滑坡或者冲刷导致完全失去承载功能失效或承载功能下降，往往导致其上电塔倒塌、倾斜而失去挂线功能。由此可见边坡对电塔的重要性。边坡稳定性安全系数计算一般采用数值计算方法，极限平衡法是在工程中应用最广也是最可靠的数值计算方法之一，该方法在应用时其准备工作较繁琐，考虑降雨时一般要进行渗流计算。边坡稳定性安全系数计算如果采用一般的边坡稳定性预测模型的神经网络模型，该模型没有针对性，作为输电线路塔基维护的供电局职工为了考虑渗流影响要确定孔隙压力比也比较困难。因此，为了输电线路塔基维护方便有效，应用人工神经网络BP模型建立具有针对性的土质边坡安全系数估算方法具有实用意义。

本文基于工程实例，针对广东输电线路塔基边坡情况探索应用正交试验和人工神经网络BP模型建立土质边坡安全系数估算方法，研制相应程序，并对广东输电线路塔基边坡情况进行预报与对比，论证该估算方法的合理性。

2 模型的建立和实现

2.1 BP网络模型

本文采用误差逆传播(简称BP)神经网络模型，所谓误差逆传播是把输出层出现的误差归结为各连接权的“过错”。通过把输出层单元的误差逐层向输入层“分摊”给各层单元，从而获得参考误差，并调整各边连接权。

2.2 广东地区输电线路塔基土质边坡稳定性预测模型探索

我们在对广东韶关地区、河源地区、梅州地区等地区输电线路塔基边坡工程广泛地质调查和资料收集分析基础上，认为广东地区输电线路塔基土质边坡工程地质特征各参数变化范围为密度1400～2300kg/m3、凝聚力0～60kPa、内摩擦角12°～39°、坡角6°～66°、坡高0～50m，参照文献[1-3]把这五个因素作为边坡稳定性最重要影响因素，而降雨对边坡稳定性的影响通过密度、凝聚力和内摩擦角体现。根据广东地区输电线路塔基土质边坡工程地质特征各参数变化范围，采用正交法按照l16(45)创建的16个危险圆弧破坏的、安全系数采用极限平衡法的土坡实例是建立边坡稳定性影响因素和安全系数影射关系所需要的最少训练样本，见表1。按照惯例，采用表1土坡实例作为训练样本，建立边坡稳定性安全系数预测BP网络模型，并且所建立的模型适合用于广东地区输电线路塔基土质边坡稳定性预报，达到满足这些条件即是所建的广东地区输电线路塔基土质边坡稳定性预测模型。为此，我们采用表1数据进行了很多次BP网络建模训练，曾经也得到过误差极小的训练结果，但是采用自己训练得到BP网络模型进行边坡稳定性预测的计算结果和极限法结算结果对比误差很大，因此不适合于土坡稳定性安全系数预测，未求得打算建立的广东地区输电线路塔基土质边坡稳定性预测模型。

表1 基于正交法建立的广东地区土质边坡实例

2.3 广东地区输电线路塔基土质边坡稳定性预测模型的建立

从文献[3,6]收集了30个危险圆弧破坏的、不考虑孔隙压力比的且符合广东地区输电线路塔基土质边坡工程地质特征各参数变化范围的土坡实例，其安全系数采用极限平衡法计算后修正，见表1。注意，虽然文献[1、2]采用文献[3]边坡实例建立边坡稳定性预测模型的神经网络模型，他们建立的模型是普遍性和考虑孔隙压力比的，普遍性体现在他们的模型考虑了土坡、尾矿坝、甚至岩坡情况，参数变化范围大容易导致具体问题预测结果精度降低；本文是征对广东地区输电线路塔基土质边坡工程地质特征各参数变化范围取边坡实例且不考虑孔隙压力比，参数变化范围相对小些和减少影响因素这些措施都是为了提高精度，另外边坡实例安全系数采用极限平衡法(Beshop法和Janbu法)计算后修正，是本文和文献[1,2]的主要不同点。

边坡稳定性安全系数计算的神经网络模型采用四层结构，影响边坡稳定性的各种因素，如土体容重、内聚力、内摩擦角、边坡角、边坡高度等用网络的输入节点表达，安全系数用网络的输出节点表达。网络的输入层与输出层之间的隐含层可有一个或多个。本例中采用自适应方法确定的网络结构为5-8-2-1。采用BP模型计算的安全系数和采用极限平衡法计算的安全系数很一致。

采用该BP网络模型对表1实例进行预报计算并与极限平衡法计算结果，详见表1，可见采用建立的BP网络模型计算结果和采用极限平衡法计算结果比较一致，在极限状态附近它们误差很小，而离极限状态较远情况它们是否稳定判定正确，因此可把建立的BP网络模型的权值和阀值当作由正交法建立的16个边坡实例样本建立的BP网络模型的权值和阀值。由于该土坡稳定性安全系数预测BP网络模型满足采用表1土坡实例作为训练样本建立模型的要求，并且所建立的模型适合用于广东地区输电线路塔基土质边坡稳定性预报(或者说能够应用于如表2边坡实例稳定性预报)，所以所建立的边坡稳定性安全系数预测BP网络模型就是广东地区输电线路塔基土质边坡稳定性预测BP网络模型。

表2 危险圆弧破坏的边坡实例

2.4 广东地区输电线路塔基土质边坡稳定性预测BP网络模型的应用

为了有效的对广东地区输电线路进行塔基滑坡风险评价，我们利用所建立的边坡稳定性安全系数预测BP网络模型作为广东地区输电线路塔基滑坡风险评价系统中边坡危险性评价模型，基于intel Fortran计算机语言研制了广东地区输电线路塔基滑坡风险评价系统。图1为对表1样本2进行边坡稳定性安全系数预测的计算结果，由该结果和极限平衡法计算结果对比可知广东地区输电线路塔基土质边坡稳定性预测BP网络模型的应用使广东地区输电线路塔基滑坡风险评价系统中边坡危险性评价计算得到大大简化，比较方便实用。

图1 广东地区输电线路塔基滑坡风险评价系统

3 结语

本文基于工程实例，针对广东输电线路塔基边坡情况探索应用正交试验和人工神经网络BP模型建立土质边坡安全系数估算方法，研制相应程序，并对广东输电线路塔基边坡情况进行预报与对比，计算结果表明该估算方法合理可靠。

[1]冯夏庭，王泳嘉，卢世宗.边坡稳定性的神经网络估计[J].工程地质学报，1995，3(4).

[2]夏元友，李新平，程 康.用人工神经网络估算岩质边坡的安全系数[J].工程地质学报，1998，6(2).

[3]N.K.Sah，P.R.Sheorey and L.N.Upadhyaya.1994.Maximum likelihood estimation of slope stability.Int.J.Rock Mech.Min.Sci.Geo.Abstr.，31(1).

[4]陈明.神经网络模型[M].大连：大连理工大学出版社，1995.

[5]韦立德，徐卫亚，曹国金.改进的BP网络在深层搅拌桩承载力计算中的应用[J].电力勘测，2002，(2).

[6]王国体，王婉娣.平原多级储灰复合坝滑坡分析和加固治理[J].岩土工程学报，2006，28(4).