Research on Slope Stability Based on Improved PSO‑BP Neural Network

HU Shaowei; LI Yuanhao; SHAN Changxi; XUE Xiang; YANG Huiqin

doi:10.13409/j.cnki.jdpme.20210527002

您当前的位置：

首页 >

文章列表页 >

Research on Slope Stability Based on Improved PSO‑BP Neural Network

更新时间：2025-09-25

- Research on Slope Stability Based on Improved PSO‑BP Neural Network
- Journal of Disaster Prevention and Mitigation Engineering Vol. 43, Issue 4, Pages: 854-861(2023)
- 作者机构：
  
  1.重庆大学土木工程学院，重庆 400045
  2.新疆水利水电规划设计管理局，新疆乌鲁木齐 830000
- 作者简介：
- 基金信息：
- DOI：10.13409/j.cnki.jdpme.20210527002
  CLC： TP183
- Received：27 May 2021，
  
  Revised：2021-07-25，
  
  Published：28 August 2023
- 稿件说明：
移动端阅览
胡少伟,李原昊,单常喜等.基于改进的PSO‑BP神经网络的边坡稳定性研究[J].防灾减灾工程学报,2023,43(04):854-861.

HU Shaowei,LI Yuanhao,SHAN Changxi,et al.Research on Slope Stability Based on Improved PSO‑BP Neural Network[J].Journal of Disaster Prevention and Mitigation Engineering,2023,43(04):854-861.
胡少伟,李原昊,单常喜等.基于改进的PSO‑BP神经网络的边坡稳定性研究[J].防灾减灾工程学报,2023,43(04):854-861. DOI： 10.13409/j.cnki.jdpme.20210527002.

HU Shaowei,LI Yuanhao,SHAN Changxi,et al.Research on Slope Stability Based on Improved PSO‑BP Neural Network[J].Journal of Disaster Prevention and Mitigation Engineering,2023,43(04):854-861. DOI： 10.13409/j.cnki.jdpme.20210527002.

摘要

边坡稳定性研究对于重大地质灾害防治极其重要，但由于影响边坡稳定性的因素具有非线性、多样性以及模糊性等特征，边坡稳定性分析一直是地质灾害防治领域的热难点问题。已有研究表明神经网络预测模型可有效应用边坡稳定性分析，但同时存在预测精度低、鲁棒性差、收敛速度慢等缺点。为改善上述问题，在粒子群算法优化的BP神经网络（简称PSO‑BP神经网络）算法基础上提出一种改进的边坡稳定性预测模型。该模型以容重、内聚力、内摩擦角、边坡角、高度、孔隙压力比作为输入参数，以安全系数作为输出参数。通过借鉴遗传算法中的变异思想来提升模型全局寻优的能力，利用能量函数负梯度下降原理提高模型的收敛速度。将所收集到百余条边坡数据进行数据清洗，最终得到80条高质量边坡数据，随机选取其中的50条边坡数据作为模型的试验数据。最后采用十折交叉验证的方法对模型的准确性进行验证，并在多维度与其余边坡稳定性神经网络预测模型进行对比分析。结果表明：①该模型相比于其余模型收敛速度、准确率、鲁棒性均有明显提高；②将K折交叉验证应用在小样本数据下的边坡稳定性神经网络预测模型，可有效避免结果的偶然性。③该模型的预测误差仅为4.31%，满足工程精度需求，可在实际工程中为边坡稳定性分析与灾害防治提供参考。

Abstract

Slope stability research is extremely important for the prevention and control of geologic hazards， but since factors affecting slope stability are rather diverse， indefinite， and nonlinear， slope stability analysis is always a hot but difficult problem. Studies have shown that neural network prediction models can be effectively applied in slope stability analysis. However， such models also have disadvantages of low accuracy in prediction， poor robustness， and slow convergence. Thus， an improved slope stability prediction model is proposed based on the PSO-BP model. In this model， input parameters include bulk density， cohesion， internal friction angle， slope angle， slope height and pore pressure ratio， and the output parameter is safety factor. The model borrows the idea of mutation in genetic algorithm to improve the global optimization， and applies the negative gradient descent principle of the energy function to improve the convergence speed. With the data cleaning process， eighty high-quality slope data are obtained from over a hundred pieces of raw data. Then fifty data are randomly selected as the test data. Finally， a ten-fold cross-validation method is used to verify the accuracy of the model. Comparisons in multiple dimensions are also made with other models. The results show that：（1） Compared with traditional models， the presented model has significant improvement in aspects of convergence speed， accuracy， and robustness；（2） With small sample data， applying K-fold cross-validation to the slope stability neural network prediction model can effectively avoid the contingency of the results；（3） The model has a small error of 4.31%， which meets the engineering accuracy requirements， so the model can provide reference for slope stability analysis and disaster prevention in real engineering projects.

关键词

Keywords

references

黄润秋 . 20世纪以来中国的大型滑坡及其发生机制［J］. 岩石力学与工程学报， 2007 ， 26 （ 3 ）： 433 ‑ 454 .

Huang R Q . Large‑scale landslides and their sliding mechanisms in China since the 20 th century ［J］. Chinese Journal of Rock Mechanics and Engineering ， 2007 ， 26 （ 3 ）： 433 ‑ 454 . （in Chinese）

陈祖煜，弥宏亮，汪小刚 . 边坡稳定三维分析的极限平衡方法［J］. 岩土工程学报， 2001 ， 23 （ 5 ）： 525 ‑ 529 .

Chen Z Y ， Mi H L ， Wang X G . A three‑dimensional limit equilibrium method for slope stability analysis ［J］. Chinese Journal of Geotechnical Engineering ， 2001 ， 23 （ 5 ）： 525 ‑ 529 . （in Chinese）

Duncan J M . State of the art： limit equilibrium and finite‑element analysis of slopes ［J］. Journal of Geotechnical Engineering ， 1996 ， 123 （ 7 ）： 577 ‑ 596 .

赵尚毅，郑颖人，邓卫东 . 用有限元强度折减法进行节理岩质边坡稳定性分析［J］. 岩石力学与工程学报， 2003 ， 22 （ 2 ）： 254 ‑ 260 .

Zhao S Y ， Zheng Y R ， Deng W D . Stability analysis on jointed rock slope by strength reduction FEM ［J］. Chinese Journal of Rock Mechanics and Engineering ， 2003 ， 22 （ 2 ）： 254 ‑ 260 . （in Chinese）

陈国庆，黄润秋，石豫川，等 . 基于动态和整体强度折减法的边坡稳定性分析［J］. 岩石力学与工程学报， 2014 ， 33 （ 2 ）： 243 ‑ 256 .

Chen G Q ， Huang R Q ， Shi Y C ， et al . Stability analysis of slope based on dynamic and whole strength reduction methods ［J］. Chinese Journal of Rock Mechanics and Engineering ， 2014 ， 33 （ 2 ）： 243 ‑ 256 . （in Chinese）

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 ）： 54 ‑ 61 .

Feng X T ， Wang Y J ， Lu S Z . Neural network estimation of slope stability ［J］. Journal of Engineering Geology ， 1995 ， 3 （ 4 ）： 54 ‑ 61 . （in Chinese）

Jin W ， Zhao J L ， Luo S W ， et al . The improvements of BP neural network learning algorithm ［C］∥ 5th International Conference on Signal Processing . Beijing ： Institute of Electrical and Electronics Engineers ， 2000 ： 1647 ‑ 1649 .

赵胜利，吴雅琴，刘燕，等 . 基于SOM‑BP复合神经网络的边坡稳定性分析［J］. 河北农业大学学报， 2007 ， 30 （ 3 ）： 105 ‑ 108 .

Zhao S L ， Wu Y Q ， Liu Y ， et al . Analysis of slope stability based on SOM‑BP neural network ［J］. Journal of Agricultural University of Hebei . 2007 ， 30 （ 3 ）： 105 ‑ 108 . （in Chinese）

马文涛 . 基于PSO和LSSVM的边坡稳定性评价方法［J］. 岩土力学， 2009 ， 30 （ 3 ）： 845 ‑ 848 .

Ma W T . Evaluation of rock slope stability based on PSO and LSSVM ［J］. Rock and Soil Mechanics ， 2009 ， 30 （ 3 ）： 845 ‑ 848 . （in Chinese）

Wang K ， Xu F . Slope stability evaluation based on PSO‑PP ［J］. Applied Mechanics & Materials ， 2011 ， 580 ‑ 583 ： 486 ‑ 489 .

Xue X ， Li Y ， Yang X ， et al . Prediction of slope stability based on GA‑BP hybrid algorithm ［J］. Neural Network World ， 2015 ， 25 （ 2 ）： 189 ‑ 202 .

胡军，董建华，王凯凯，等 . 边坡稳定性的CPSO‑BP模型研究［J］. 岩土力学， 2016 ， 37 （增1 ）： 577 ‑ 582，590 .

Hu J ， Dong J H ， W K K ， et al . Research on CPSO‑BP model of slope stability ［J］. Rock and Soil Mechanics ， 2016 ， 37 （ Sup1 ）： 577 ‑ 582，590 . （in Chinese）

臧焜岩，李梅红 . 基于GA‑BP模型的露天矿边坡稳定性预测［J］. 中国矿业， 2019 ， 28 （ 6 ）： 144 ‑ 148 .

Zang K Y ， Li M H . Slope stability prediction of open‑pit mine based on GA‑BP model ［J］. China Mining Magazine ， 2019 ， 28 （ 6 ）： 144 ‑ 148 . （in Chinese）

Kennedy J ， Eberhart R . Particle Swarm Optimization ［C］// Piscataway， NJ ： IEEE Service Center. Proc IEEE int Conf on Networks. IEEE， NJ ， 1995 ： 1942 ‑ 1948 .

Eberhart R ， Kennedy J . A new optimizer using particle swarm theory ［C］. Nagoya ： Mhs95 Sixth International Symposium on Micro Machine & Human Science. IEEE ， 1995 ： 39 ‑ 43 .

叶鸥，张璟，李军怀 . 中文数据清洗研究综述［J］. 计算机工程与应用， 2012 ， 48 （ 14 ）： 121 ‑ 129 .

Ye O ， Zhang J ， Li J H . Survey of Chinese data cleaning ［J］. Computer Engineering and Applications ， 2012 ， 48 （ 14 ）： 121 ‑ 129 . （in Chinese）

王江 . 数据清洗技术研究及清洗框架的设计与实现［D］. 内蒙古：内蒙古大学， 2016 .

Wang J . Research on data cleaning technology with the design and implementation of data cleaning framework ［D］. Inner Mongolia ： Inner Mongolia University ， 2016 . （in Chinese）

Bagley J D . The behavior of adaptive systems which employ genetic and correlation algorithms： technical report ［M］. Michigan ： University of Michigan ， 1967 .

李红亚，彭昱忠，邓楚燕，等 . GA与PSO的混合研究综述［J］. 计算机工程与应用， 2018 ， 54 （ 2 ）： 20 ‑ 28，39 .

Li H Y ， Peng Y Z ， Deng C Y ， et al . Review of hybrids of GA and PSO ［J］. Computer Engineering and Applications ， 2018 ， 54 （ 2 ）： 20 ‑ 28，39 . （in Chinese）

郭子奇，杨双锁，李彦斌，等 . 基于PSO‑BP神经网络的地铁盾构场地土体参数反演［J］. 太原理工大学学报， 2020 ， 51 （ 2 ）： 171 ‑ 176 .

Guo Z Q ， Yang S S ， Li Y B ， et al . Back analysis of soil parameters of metro shield site based on PSO‑BP neural network ［J］. Journal of Taiyuan University of Technology ， 2020 ， 51 （ 2 ）： 171 ‑ 176 . （in Chinese）

Moussa R ， AzarD . A PSO‑GA approach targeting fault‑prone software modules ［J］. Journal of Systems and Software ， 2017 ， 132 ： 41 ‑ 49 .

Hagan M T ， Demuth H B ， Beale M H . Neural network design ［M］. Beijing ： China Machine Press ， 2002 .

姜德义，朱合华，杜云贵 . 边坡稳定性分析与滑坡防治［M］. 重庆：重庆大学出版社， 2005 .

Jiang D Y ， Zhu H H ， Du Y G . Slope stability analysis and landslide prevention ［M］. Chongqing ： Chongqing University Press ， 2005 . （in Chinese）

康璇，徐光黎，刘府生，等 . 降雨条件下多层结构喷出岩滑坡孔隙水压力变化与稳定性分析［J］. 中国地质灾害与防治学报， 2018 ， 29 （ 1 ）： 15 ‑ 22 .

Kang X ， Xu G L ， Liu F S ， et al . Pore pressure and stability analysis of a multi‑layered volcanic rock landslide under continuous rainfall ［J］. The Chinese Journal of Geological Hazard and Control ， 2018 ， 29 （ 1 ）： 15 ‑ 22 . （in Chinese）

Zienkiewicz O C ， Humpheson C ， Lewis R W . Associated and non‑associated visco‑plasticity and plasticity in soil mechanics ［J］. Géotechnique ， 1975 ， 25 （ 4 ）： 671 ‑ 689 .

饶运章，张学焱，利坚，等 . 边坡安全系数与滑坡概率关系分析［J］. 长江科学院院报， 2017 ， 34 （ 5 ）： 63 ‑ 67 .

Rao Y Z ， Zhang X Y ， Li J ， et al . Relationship between slope safety factor and landslide probability ［J］. Journal of Yangtze River Scientific Research Institute ， 2017 ， 34 （ 5 ）： 63 ‑ 67 . （in Chinese）

潘家铮 . 建筑物的抗滑稳定和滑坡分析［M］. 北京：水利出版社， 1980 .

Pan J Z . Anti‑sliding stability and landslide analysis of buildings ［M］. Beijing ： Chinese Water Conservancy Press ， 1980 . （in Chinese）

孙平定，蔡润，谢成阳，等 . 基于遗传优化神经网络的边坡稳定性评价［J］. 现代电子技术， 2019 ， 42 （ 5 ）： 75 ‑ 78 .

Sun P D ， Cai R ， Xie C Y ， et al . Slope stability evaluation based on genetic optimization neural network ［J］. Modern Electronics Technique ， 2019 ， 42 （ 5 ）： 75 ‑ 78 . （in Chinese）

陈建宏，郑荣凯，陈浩 . 基于PCA和BP神经网络边坡稳定性分析［J］. 中国安全生产科学技术， 2014 ， 10 （ 5 ）： 142 ‑ 147 .

Chen J H ， Zheng R K ， Chen H . Analysis on slope stability based on combination of PCA and BP neural network ［J］. Journal of Safety Science and Technology ， 2014 ， 10 （ 5 ）： 142 ‑ 147 . （in Chinese）

贺可强，雷建和 . 边坡稳定性的神经网络预测研究［J］. 地质与勘探， 2001 ， 37 （ 6 ）： 72 ‑ 75 .

He K Q ， Lei J H . Research on neural network prediction of slope stability ［J］. Geology and Prospecting ， 2001 ， 37 （ 6 ）： 72 ‑ 75 . （in Chinese）

Ling H ， Qian C ， Kang W ， et al . Combination of support vector machine and k‑fold cross validation to predict compressive strength of concrete in marine environment ［J］. Construction and Building Materials ， 2019 ， 206 ： 355 ‑ 363 .

李小春，任伟，王少泉，等 . 论金属矿山排土场设计规范中边坡极限平衡计算方法的选取［J］. 岩石力学与工程学报， 2011 ， 30 （增2 ）： 4136 ‑ 4142 .

Li X C ， Ren W ， Wang S Q ， et al . Selection of limit equilibrium methods in the design specifition for waste dump of metal mine ［J］. Chinese Journal of Rock Mechanics and Engineering ， 2011 ， 30 （ Sup 2 ）： 4136 ‑ 4142 . （in Chinese）

Views

下载量

CSCD

Alert me when the article has been cited

提交

Tools

Publicity Resources

Research on Slope Stability Prediction Based on PSO‑LightGBM Model

Stability Analysis of High‑fill Subgrade of Xinjiang Gobi Gravel Soil under Static Loading

Stability of a Gentle Backfill Slope in the Open Tunnel Section of an Intercity Railway under Construction

Research on Instability Criterion of Slope Project based on Mutation Characteristics

Experimental Study on Effects of Aggregate Ratio and Soil Moisture Content on Stability of Accumulation Body

Related Author

ZHANG Ning

ZHANG Yu

ZHANG Shijie

WEI Xia

SUN Shuai

DING Jianwen

GAO Pengju

DONG Conghui

Related Institution

Collega of Civil Engineering , Anhui Jianzhu University

Anhui Provincial Key Laboratory of Intelligent Construction and Disaster Prevention and Control of Geotechnical Engineering , Anhui Jianzhu University

School of Transportation, Southeast University

School of Earth Sciences and Engineering,Nanjing University

Beijing Urban Construction Zhongnan Civil Engineering Group Co.,Ltd.

⁰