摘 要： 叙述了边坡稳定问题的重要性， 在此基础上介绍了人工神经网络和遗传算法评价法、范例推理评价法、模糊综合评价法以及灰色系统评价法四种边坡安全评价方法。
关键词： 边坡安全； 稳定性； 评价方法
　　1 引言
　　边坡安全稳定问题一直是岩土工程的一个重要研究内容，而边坡稳定性评价结果的正确与否直接关系到边坡工程的成败。目前边坡稳定性评价方法多种多样，但由于边坡稳定受多方面因素影响，而各因素具有不确定性（模糊性、随机性、信息不完全性和δ确定性）和复杂性，故传统的确定性分析方法如极限平衡理论用于边坡分析，结果不是十分理想。但不论是确定性分析如蒙特-卡洛模拟法、一次二阶矩法，还是不确定性方法如模糊数学、灰色理论、数量化理论和信息模型法等，其用于边坡稳定性评价的准确性与实际情况仍有差距。对于边坡稳定性评价方法的综合认识，早在1999年丁恩保教授等就已进行过分类，他们主要根据各种方法对边坡稳定性评价的量化程度为依据，分为定性分析法、定量分析法、非确定性分析法、物理模型法和现场监测分析法等五种。综合来看，目前边坡安全稳定评价方法主要集中在四个方面。
　　2 边坡稳定评价方法
　　2.1人工神经网络和遗传算法评价法
　　在人工神经网络方面，邢爱国等应用改进的BP神经网络模型对国道107线清连一级公·部分高Σ边坡进行稳定性评价研究。于子国等采用非线性理论研究边坡的变形破坏机理，建立稳定性评价模型，用遗传-神经网络从中获取稳定性评价和判断的知识进而构建系统，对各类边坡稳定状态做出评价。赵健将Kohonen神经网络应用于边坡稳定性分析，建立评价边坡稳定状态的网络模型。姜德义等结合重庆地区的地质条件和高速公·建设实践，分析影响重庆地区高速公·土质和岩质边坡稳定性的主要因素，运用人工神经网络方法，以重庆地区大量高速公·边坡实例为样本对其进行学习和预测。
　　综合来看，人工神经网络是依据人脑结构的基本特征发展起来的一种信息处理体系或计算体系，是对神经系统的数学抽象和粗略的逼近和模仿。研究表明，在岩土边坡工程系统分析领域内采用神经网络具有独特的优势，利用神经网络理论，可以尽可能多地将各种影响因素作为输入变量，建立这些定性或定量影响因素同边坡安全系数和变形量之间的高度非线性映射模型，然后用模型来预测和评价边坡的安全性。ë谦等将遗传算法引入三维边坡稳定分析中，用7个控制参数模拟生成滑裂面，再运用遗传算法来搜索滑坡最不利滑裂面，对于存在确定滑裂面的滑坡，将此滑裂面作为整体滑裂面计算其整体稳定安全系数，然后在整体稳定的基础上，运用遗传算法搜索滑坡内部最不利滑裂面，得出滑坡最小的稳定安全系数。
　　综合分析可知，遗传算法不受搜索空间限制性假设的约束（如连续性、导数存在等），克服了传统方法容易陷入局部极小值的缺点，从一群点开始搜索，能从离散的、多极值的和含有噪音的高维问题中以很大的概率找到全局最优解，且适用于大规模并行计算。
　　2.2范例推理评价法
　　在范例推理评价方面，刘沐宇等运用模糊相似优先概念，构造基于模糊相似优先的边坡范例检索模型，对ÿ一个边坡稳定性的影响因素，分别建立边坡的目标范例与源范例之间的模糊相似优先关系，经过影响因素之间的两两比较，获得不同影响因素下边坡的目标范例与源范例之间的相似性序列，从而最终找出与目标范例最相似的源范例，实现边坡的稳定性评价。刘沐宇等建立基于神经网络的边坡范例检索模型，通过边坡范例的神经网络学习，建立当前边坡和边坡范例之间相似性计算关系，实现当前边坡的稳定性评价。高德彬等利用大量公·黄土·堑高边坡实例，构建基于范例推理的边坡稳定性预测模型，通过源范例和边坡范例之间的相似度计算，得到目标范例与源范例之间的相似性序列，找出与目标边坡范例最相似的源范例，实现黄土·堑高边坡的稳定性预测。
　　综合来看，范例推理方法以范例为基础，范例的获取比规则获取要容易，从而大大简化知识获取。对于边坡安全稳定性评价这样的复杂问题，其知识获取本身就是一件非常不容易的事情，故范例推理原理为边坡稳定性评价提供了一条可行的新途径。
　　2.3模糊综合评价法
　　在模糊综合评价方面，周军霞等针对影响公·边坡稳定性因素的模糊性和随机性，选择影响公·边坡稳定性的10个主要因素，并分为两个层次，利用模糊数学综合评判方法，采用专家方法和经验公式法赋予影响因素的隶属函数和隶属值，建立公·边坡稳定性分析的二级综合评判模型，得到公·边坡稳定性的预测结果。孟衡采用判断矩阵分析法确定评价因子的权重，用二级模糊评判对某工程实例进行计算分析，结果表明用该法确定权重简便，亦能较好反映边坡所处状态。欧国林等运用模糊数学方法提出模糊稳定系数的概念和描述方法，建立·基边坡稳定性分析的模糊综合评价模型，通过确定个体因素等级标准和权重得出模糊稳定系数，使·基边坡稳定分析更接近客观实际。
　　总体来看，模糊综合评价方法为多变量、多因素影响的边坡稳定性分析提供了一种行之有效的手段，用隶属函数代替确定论中非此即彼的特征函数来描述具有模糊性的影响因素，用模糊变换原理实现多因素、多层次的边坡稳定性分析与评价。其不足之处在于相关因素及各因素边界值的不易确定以及在隶属函数的确定和因素权重的分配上均含有相当多的人为主观因素。
　　2.4灰色系统评价法
　　在灰色系统评价方面，κ星等将复杂岩体边坡系统视为一个灰色系统，在综合分析岩体边坡影响因素基础上，采用表征边坡岩体稳定性的复合指标作为评判其稳定性的因素，给出一种基于复合指标的边坡岩体稳定性灰色系统类比预测模型。赵静波等提出以控制因素变化的阶段性来划分时间数据序列，建立阶段时间序列灰色预测模型，对边坡的发展变化情况进行预测。王利等提出一种基于卡尔曼滤波的GM预测模型，即先用卡尔曼滤波法对原始变形监测数据进行滤波处理，再建立GM模型进行灰色预测。何习平等针对单点模型背景值取值方法的不足，提出一种动态定权方法，建立加权多点灰色预测模型。
　　总体来讲，利用灰色理论分析方法，可在不完全的信息中，通过一定的数据处理，找出它们的关联性，确定边坡稳定性各影响因素的影响程度，进而利用多因素叠加分析评估边坡的稳定性。
　　参考文献：
　　[1] 陈守义.考虑入渗和蒸发影响的土坡稳定性分析方法[J].岩土力学，1997.
　　[2] 高玮，冯夏庭.基于灰色—进化神经网络的滑坡变形预测研究[J].岩土力学，2004.