1.一种基于深度学习的地震作用下边坡永久位移预测方法,其特征在于,训练方法包括:
获取地震动数据,根据地震动数据构建数据库;
根据地震动数据中的地震特征参数,计算得到地震动强度参数,并存放至数据库中的对应位置,所述地震特征参数包括震级、距离与场地类别,所述地震动强度参数包括地震峰值加速度、地震峰值速度和阿里亚斯强度,采用式(1)至(3)分别计算地震峰值加速度、地震峰值速度和阿里亚斯强度:
式(1)至(3)中,M为震级,R为距离;
根据地震动数据对应场地的土体参数、边坡几何参数和环境参数,计算得到边坡临界加速度,并存放至数据库中的对应位置,采用式(4)计算边坡临界加速度:式(4)中,ac为边坡临界加速度值,c'为土体有效粘聚力,γ为土体重度,γw为水重度,α为坡角, 为土体有效内摩擦角,m为地下水位系数,t为垂直于破坏面土的厚度;
根据地震动数据的加速度时程,计算得到Newmark法地震作用下边坡永久位移,并存放至数据库中的对应位置,采用式(5)计算Newmark法地震作用下边坡永久位移:式(5)中,ah、av分别为地震动加速度水平、竖向分量;
构建深度学习模型,通过数据库训练深度学习模型,得到调参后的深度学习模型,作为边坡永久位移预测模型。
2.根据权利要求1所述的一种基于深度学习的地震作用下边坡永久位移预测方法,其特征在于,获取地震动数据,包括:访问全球已有的地震动数据库,采用如下标准挑选出浅层地壳地震动记录:矩震级Mw≥4;断层距Rrup≤300km;地面峰值加速度PGA≥0.001g。
3.根据权利要求1所述的一种基于深度学习的地震作用下边坡永久位移预测方法,其特征在于,所述土体参数包括土体有效粘聚力、土体重度和有效内摩擦角;所述边坡几何参数包括坡角,所述环境参数包括地下水位系数。
4.根据权利要求1所述的一种基于深度学习的地震作用下边坡永久位移预测方法,其特征在于,所述构建深度学习模型,通过数据库训练深度学习模型,具体为:以数据库中的地震特征参数、地震动强度参数和边坡临界加速度为输入,以对应的Newmark边坡永久位移为输出,建立深度神经网络模型并进行训练。