[发明专利]基于MRVM‑AFOSM的边坡可靠度分析方法

权利要求书

1.基于MRVM-AFOSM的边坡可靠度分析方法，其特征在于：包括以下步骤：

步骤一、明确各影响因子的分布形式，构建样本的输入因子，然后计算所述样本安全系数，将该样本安全系数作为所述样本的输出因子；所述样本分为训练样本和测试样本；

步骤二、构建混合核函数MRVM，采用HS算法优化核参数值，使用所述训练样本对MRVM进行训练；

步骤三、使用经过训练的MRVM对所述测试样本的安全系数进行估算，并与所述步骤一中计算的测试样本安全系数比较，计算MAE；当MAE满足误差要求时，核参数值确定，MRVM训练完成，当MAE不满足误差要求时，重复步骤二；

步骤四、采用AFOSM计算可靠度，初始设计验算点采用各影响因子的均值，使用MRVM计算所述设计验算点的边坡稳定性安全系数及一阶导数，得出新设计验算点；

步骤五、如果新设计验算点满足迭代终止条件，则终止迭代，得出边坡可靠度，如果新设计验算点不满足迭代终止条件，则重复步骤四。

2.根据权利要求1所述的分析方法，其特征在于：所述步骤一中样本安全系数的计算方法为极限平衡法、塑性极限分析法或有限元法。

3.根据权利要求1所述的分析方法，其特征在于：所述步骤二中混合核函数MRVM如下式所示，

K(x,x_i)＝mexp(-||x-x_i||²/c²)+(1-m)[η(xx_i)+r]^q

式中，c为高斯核参数；η，r，q为多项式核参数；m为混合核函数的比例参数。

4.根据权要求1所述的分析方法，其特征在于：所述步骤二中HS算法包括以下步骤：

(1)初始化参数，主要参数包括：变量个数N、最大迭代次数T_max、和声记忆库的大小HMS、记忆库取值概率HMCR、音调微调概率PAR、音调调节带宽bw，初始化和声记忆库，随机生成HMS个和声Z¹，Z²，…，Z^HMS存放至和声记忆库，和声记忆库的和声数量始终保持一定，用于存储适应度f(Z¹)最优的HMS个和声，和声记忆库HM的形式如下：

(2)构建新音调z′_i，首先生成一个随机数rand1；若rand1＜HMCR，新音调z′_i在和声记忆库HM随机取值，后进入步骤(3)；若rand1＞HMCR，新音调z_i′在取值范围内随机取值，后进入步骤(4)；

(3)当新音调z′_i来自和声记忆库时，则还有PAR的概率可对该音调进行微调，另有(1－PAR)的概率保持原值，完成所述微调后，新音调z′_i生成，进入步骤(4)；

(4)每一个新和声Z′中的均由N个新音调z_i′(i＝1，2，…，N)组成，判断新音调是否全部生成，若没有全部生成，则需重复步骤(2)、(3)，直至全部音调生成；

(5)更新和声记忆库，计算新和声的适应度，当其值优于和声记忆库中的适应度最差的和声时，用新和声代替最差和声，完成和声记忆库的更新；

(6)检查是否达到最大迭代次数，并重复步骤(2)～(5)，直到迭代次数达到T_max时，计算停止。

5.根据权利要求1所述的分析方法，其特征在于：所述步骤四中AFOSM计算可靠度的方法包括以下步骤：

使用训练完成后的MRVM对边坡安全系数进行计算，因此，极限状态函数值Z可以表示为；

式中s为MRVM训练完成后支持向量的个数，即权重w_i不为0的训练样本数；

MRVM的一阶导数为：

将MRVM的一阶导数代入AFOSM算法中，即可完成可靠度求解。

6.根据权利要求1所述的分析方法，其特征在于：所述步骤五中迭代终止条件为：对于相邻两次计算所得的设计验算点，若两次设计验算点的相应自变量差值均小于误差允许值，则迭代停止。