基于ML预测不确定性的边坡失稳时空概率评估方法与应用研究

作     者：邓志兴 谢康 李泰灃 苏谦 肖宪普 王业顺 刘宝 Deng Zhixing;Xie Kang;Li Taifeng;Su Qian;Xiao Xianpu;Wang Yeshun;Liu Bao

作者机构：中南大学湖南长沙410075 中国铁道科学研究院集团有限公司铁道建筑研究所北京100081 西南交通大学四川成都610000 石家庄铁道大学河北石家庄050000 中国铁路设计集团有限公司天津300308 

出 版 物：《土木工程学报》 (China Civil Engineering Journal)

年 卷 期：2024年第57卷第9期

页      面：109-122页

核心收录：

学科分类：081401[工学-岩土工程] 08[工学] 0814[工学-土木工程] 

基　　金：时速400公里高速铁路基础设施适应性关键技术研究(P2021G053) 

主　　题：边坡位移 机器学习 不确定性度量 可靠度理论 时空概率评估 DP指标 

摘      要：为解决机器学习(Machine Learning,ML)边坡位移预测中的不确定性及预测信息挖掘深度不够等问题,提出基于ML预测不确定性的边坡失稳时空概率评估方法。首先,基于Bootstrap算法度量ML边坡位移预测中的不确定性,利用GRU算法预测边坡单一点位的位移时间特征、Kriging算法插值边坡位移空间分布,建立Bootstrap-GRU-Kriging边坡位移时空不确定性预测模型;接着,利用可靠度理论挖掘位移时空不确定性预测结果,建立边坡失稳时空概率评估模型,基于最不利原则提出边坡全断面位移-失稳概率二元耦合分析指标DP;最后,依托杭绍台铁路硅藻土边坡试验段验证模型的有效性。结果表明:边坡位移时空不确定性预测模型兼具ML边坡位移预测不确定性量化和时空分布预测功能,边坡失稳时空概率评估模型不仅能得到边坡失稳概率空间分布及时变特性,还能实现边坡整体安全的高效评价;所提方法构造的预测区间清晰可靠,各测点预测区间覆盖率PICP均值高于96%,DP指标可响应边坡变形过程中外界所造成的影响。研究成果可为边坡位移预测及超前评估理论研究提供参考。