(19)国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202110421163.7 (22)申请日 2021.04.19 (65)同一申请的已公布的文献号 申请公布号 CN 113033108 A (43)申请公布日 2021.06.25 (73)专利权人 昆明理工大 学 地址 650093 云南省昆明市一 二一大街文 昌路68号 (72)发明人 张科　张凯　保瑞　齐飞飞　 蔡晨曦　叶锦明　 (74)专利代理 机构 重庆远恒专利代理事务所 (普通合伙) 50248 专利代理师 伍伦辰 (51)Int.Cl. G06F 30/27(2020.01) G06F 30/23(2020.01) G06F 30/13(2020.01) G06K 9/62(2022.01) G06N 20/20(2019.01) G06F 111/04(2020.01) G06F 111/08(2020.01) G06F 119/02(2020.01)(56)对比文件 CN 108170898 A,2018.0 6.15 CN 111428363 A,2020.07.17 CN 109446616 A,2019.0 3.08 CN 111504392 A,2020.08.07 CN 108062448 A,2018.0 5.22 CN 111339488 A,2020.0 6.26 CN 111414658 A,2020.07.14 JP 4404320 B1,2010.01.27 陆有忠.进化支持向量机及其在岩体边坡中 的应用. 《中国优秀博硕士学位 论文全文数据库 (硕士) 工程科技 Ⅱ辑》 .2005,(第1期), 张科等.高陡边坡稳定性评价与优化设计集 成技术研究. 《地下空间与工程学报》 .2017,第13 卷(第6期), Prima Riza Kadavi.Ap plication of Ensemble-Based Mac hine Learn ing Models to Landslide Susceptibi lity Mapping. 《remote sensing》 .2018, (续) 审查员 韩俊樱 (54)发明名称 一种基于AdaBoost算法的边坡可靠度判断 方法 (57)摘要 本发明公开了一种基于AdaBoost算法的边 坡可靠度判断方法， 本方法中， 先根据小样本量 的影响因素实际数据， 通过均匀试验生成大样本 量的数据集用于训练， 得到影 响因素和稳定性结 果的映射关系， 然后再通过蒙特卡罗模拟生成的 大量随机变量数据带入该映射关系的模型中， 求 解出实效概率和可靠度指标。 本发 明能够更加可 靠有效地分析判断边坡 稳定程度大小， 获得其失 效概率， 为边坡工程决策提供依据， 更好地保证 边坡工程的安全性。 [转续页] 权利要求书3页 说明书10页 附图2页 CN 113033108 B 2022.05.27 CN 113033108 B (56)对比文件 Yanli Wu等.Ap plication of alternati ng decision tree with AdaBo ost and ba gging ensembles for landsl ide susceptibi lity mapping. 《CATENA》 .2019,第187 卷2/2 页 2[接上页] CN 113033108 B1.一种基于AdaBo ost算法的边坡可靠度判断方法， 其特 征在于， 包括以下步骤： 1确定影响边坡稳定性的因素， 获取小样本量的影响因素的实际数据集， 确定其概率分 布， 利用均匀试验生成大样 本量的影响因素的数据集； 小样本量在30组范围内， 大样 本量需 要超过30组； 2根据待预测的边坡构建边坡模型， 利用FLAC3D软件， 输入影响因素的数据集， 采用强度 折减法对每组指标参数对应的安全系数 K进行求解； 3将计算得到的安全系数K与容许安全系数[K]进行比较， 得到相应影响因素所对应的 边坡稳定结果， 进 而构建出判定指标影响因素和对应稳定性结果的数据集； 4通过AdaBoost算法和训练样本构建AdaBoost分类器， 建立边坡是否稳定和影响因素 之间的映射关系； 5将蒙特卡罗模拟生成的大量随机变量数据， 代入到训练好的AdaBoost算法模型中， 获 得相应稳定性判别结果， 进 而求解边坡失效概 率和可靠度指标， 实现可靠度判断； 步骤1中， 对于均质土坡， 选择的变量影响因素为 黏聚力c和内摩擦角 步骤1中， 利用均匀试验生成大样本量的影响因素的数据集的具体步骤为： 假设训练样本的个数设置为x组， 则选择均匀表 进行数值试验， 其中U*代表现有 的均匀性更好的均匀表， x为水平数， 即生 成x组数据， y表 示变量影响因素的个数， 即该表 最 多可表示含有y个 变量影响因素的数值试验； 其中， 由于c和 值服从正态分布， 故取值范围根据3σ 准则确定上下限， 即[ μ ‑3σ, μ+3σ ]， 其中μ为均 值， σ 为标准差， 根据插值法， 将上述c和 的数据转换为真实范围内的数值； 再补 入取定值的定量影响因素的值， 获得 大样本量的影响因素的数据集； 步骤2中， 在FLAC3D中采用强度折减法对边坡模型的安全系数K进行求解的过程， 主要包 括以下步骤： (1)在CAD中建立相应的均质边坡 模型， 输出为工程仿真软件能识别的格式文件； (2)接着将格式文件导入工程仿真软件ANSYS中， 根据需求进行网格划分， 并生成含网 格模型， 在ANSYS中设置好局部坐标使之与FLAC3D坐标系相同， 并输出为*.FLAC3D格式的文 件； (3)确定边界条件， 边界条件将左右两侧水平约束， 下部固定， 上部为自由边界， 而初始 地应力选择为自重地应力场； (4)在FLAC3D中输入影响因素的样本数据集， 采用强度折减法对安全系数 K进行求解； 步骤3中， 将计算得到的安全系数K与容许安全系数[K]进行比较， 若K≥[K]认为稳定， 用G＝1表示， K＜[K]认为失稳， 用G＝ ‑1表示。 2.如权利要求1所述的基于AdaBoost算法的边坡可靠度判断方法， 其特征在于， 步骤1 中， 将影响因素区分为定量影响因素和变量影响因素， 变量影响因素的实际数据， 通过在边 坡不同位置取点后通过地质勘探和土 工实验得到 。 3.如权利要求1所述的基于AdaBoost算法的边坡可靠度判断方法， 其特征在于， 步骤3 中， 选择容许安全系数[K]为1.3 。 4.如权利要求1所述的基于AdaBoost算法的边坡可靠度判断方法， 其特征在于： 步骤4 中， 构建AdaBo ost分类器， 主要包括以下步骤：权　利　要　求　书 1/3 页 2 CN 113033108 B 3