(19)中华 人民共和国 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 202110010579.X (22)申请日 2021.01.0 6 (65)同一申请的已公布的文献号 申请公布号 CN 112668244 A (43)申请公布日 2021.04.16 (73)专利权人 西南交通大 学 地址 610031 四川省成 都市二环路北一段 111号 (72)发明人 杨长卫　郭雪岩　张凯文　童心豪　 李宗昊　 (74)专利代理 机构 北京集智东方知识产权代理 有限公司 1 1578 代理人 陈亚斌　关兆辉 (51)Int.Cl. G06F 30/27(2020.01) G06N 3/08(2006.01) G01N 33/24(2006.01) (56)对比文件 CN 110427680 A,2019.1 1.08 CN 108062448 A,2018.0 5.22CN 112100927 A,2020.12.18 WO 20180186 61 A1,2018.02.01 CN 107784191 A,2018.0 3.09 卞康 等.含顺层断续节理岩质边坡地震作 用下的破坏模式与动力响应 研究. 《岩土力学》 .2018,第39卷(第8 期),第3029-3037页. Wenfei Xi 等.A particle-based optimizati on of artificial neural netw ork for earthquake-i nduced landsl ide assessment in Ludian county, C hina. 《Geomatics, Natural Hazards and Risk》 .2019,第10卷(第1期),第175 0-1771页. Yang Changwei等.Application of BP Neural Netw ork Model i n Risk Evaluati on of Railway Constructi on. 《Complexity》 .2019,第2019卷第1-13页. 杨长卫 等.地震作用下有砟轨道路基动力 响应规律振动台试验. 《岩土力学》 .2020,第41卷 (第7期),第2 215-2223页. (续) 审查员 仁艳秋 (54)发明名称 边坡地震稳定性预测方法、 装置、 设备及可 读存储介质 (57)摘要 本发明涉及地震作用下边坡稳定性分析技 术领域， 具体而言， 涉及一种边坡地震稳定性预 测方法、 装置、 设备及可读存储介质。 所述方法包 括： 向振动台发送控制信号； 获取第一输出数据 和第一输入数据； 建立第一BP神经网络模型， 获 得经过训练后的第二BP神经网络模型； 获取第二 输入数据； 计算得到所述边坡的第一PGA放大系 数。 本发明通过根据某一特定边坡构建相似比1： 10的边坡模型置于振动台上， 并在边坡设置加速 度监测点， 控制不同的边坡参数、 土体参数、 地震 波参数进行多组试验得到不同情况下的PGA放大 系数； 改善了目前只能针对特定边坡做试验的方法求得特定边坡的PGA放大系数的现状， 提高了 经济效益， 大大降低了求得边坡PGA放大系数的 时间和成本 。 [转续页] 权利要求书3页 说明书11页 附图6页 CN 112668244 B 2022.04.22 CN 112668244 B (56)对比文件 Behrouz Gordan 等.Predicti on of seismic slope stabi lity through combination of par ticle swarm optimizati on and neural netw ork. 《Engineering with Computers》 .2015,第1-13页. Changwei Yang等.Shak ing Table Test o n Dynamic Respo nse of Bed ding Rock Sl opes With Weak Structural Plane Under Earthquake. 《fro ntiers i n Physics》 .2020,第 8卷第1-10页.2/2 页 2[接上页] CN 112668244 B1.一种边坡地震稳定性预测方法， 其特 征在于， 包括： 向振动台发送控制信号， 所述控制信号包括控制所述振动台向边坡加载第 一地震波的 命令； 获取第一输出数据和第一输入数据， 所述第一输入数据包括第一边坡参数、 第一地震 波参数和 第一土体参数， 所述第一输出数据包括设置在所述边坡上的加速度传感器所采集 的最大峰值加速度； 建立第一BP神经网络模型， 将所述第一输入数据和所述第 一输出数据输入所述第一BP 神经网络模型中， 获得 经过训练后的第二BP神经网络模型； 获取第二输入数据， 所述第二输入数据包括第二边坡参数、 第二地震波参数和第二土 体参数； 将所述第二输入数据输入所述第二BP神经网络模型中， 得到第二输出数据； 根据所述 第二地震波参数中的最大峰值加速度数据和所述第二输出数据， 计算得到所述边坡的第一 PGA放大系数； 其中， 所述第一PGA放大系数的计算公式为： CPGA=V2÷V1                     （2） 公式 （2） 中， CPGA为PGA放大系数， V1为所述第二地震波参数中的最大峰值加速度值， V2为 所述第二输出 数据中的最大峰值加速度值。 2.根据权利要求1所述的边坡地震稳定性预测方法， 其特征在于， 所述获取第 一输出数 据， 包括： 获取第一子输出数据、 第二子输出数据和第三子输出数据， 所述第一子输出数据包括 设置在所述边坡坡顶的第一加速度传感器所采集的最大峰值加速度， 所述第二子输出数据 包括设置在所述边坡坡面的第二加速度传感器所采集的最大峰值加速度， 所述第三子输出 数据包括设置在所述 边坡坡脚的第三加速度传感器所采集的最大峰值加速度； 将所述获取第一子输出数据、 第二子输出数据和第三子输出数据进行排序， 选取最大 峰值加速度的值 最大的数据为所述第一子 输出数据。 3.根据权利要求1所述的边坡地震稳定性预测方法， 其特征在于， 所述建立第 一BP神经 网络模型， 包括： 建立3层随机重连型BP神经网络， 在所述3层随机重连型BP神经网络中设置多个输入神 经元和1个输出层神经 元， 所述输入神经 元的个数与所述第一输入数据中的参数个数相等； 通过公式 （1） 确定隐藏层神经 元数：                      （1） 公式 （1） 中， m为隐藏层神经元数， n为输入层神经元数， l为输出层神经元数， a为0～10 的任意常数。 4.根据权利要求1所述的边坡地震稳定性预测方法， 其特征在于， 所述根据所述第 二地 震波参数中的最大峰值加速度数据和所述第二输出数据， 计算得到所述边坡的PGA放大系 数后， 还包括： 生成多组第三输入数据， 每组所述第三输入数据包括第三边坡参数、 第三地震波参数 和第三土体参数， 每组所述第三输入数据互不相同， 所述第三输入数据中的每个参数， 均为权　利　要　求　书 1/3 页 2 CN 112668244 B 3