新闻资讯

选取国内已建水电工程边坡的 22 个工程实例[14]作为学习和检验样本，样本的输入参数可见表 4 。 经过遗传算法对训练参数进行 30 代进化，可以得到经过优化的 ANFIS 内部参数（见表 5）。通过对学习样本和检验样本的输出结果分析可知，GA - ANFIS 具有较高的预测精度，学习样本的误差全部为 0，而检验样本的预测误差均在 10 % 以下，已建立起边坡影响参数与安全系数之间的模糊隶属关系，可以用来预测影响条件复杂的边坡岩土体。从预测华光潭一级水电站厂房后边坡下级滑动面安全系数的情况看，在持续降雨的情况下，边坡的安全系数为 0.96，处于失稳状态。

表4 学习、检验和预测样本参数表

Table4 Parameter table of learning， testing and forecast sample

表5 优化的 ANFIS 内部参数表

Table5 Internal parameter table for ANFIS after optimized