边坡稳定分析的神经网络改进模糊点估计法

边坡稳定性分析中，模糊点估计法能同时考虑模糊不确定性和随机不确定性因素。针对传统模糊点估计法计算工作量大的缺点，提出一种神经网络改进模糊点估计法。利用拉丁超立方抽样法和径向基函数神经网络（rbf）建立边坡安全系数的预测模型；对黏聚力和内摩擦角等模糊随机变量取λ截集，并在各截集水平对参数进行组合；利用建立的预测模型对各参数组合的安全系数进行预测；最后由统计矩点估计法计算边坡的可靠度指标。实例分析表明：改进模糊点估计法使用方便、结果可靠，且能通过增加λ截集水平的数目来提高计算精度。对于含有2～4个模糊随机变量的边坡，采用改进模糊点估计法计算可靠度时λ截集水平的数目可近似取25。