方宏偉，李長洪，方玲玲

(1.北京科技大學(xué) a.金屬礦山高效開采與安全教育部重點實驗室;b.土木與環(huán)境工程學(xué)院，北京 100083;2.蘇州大學(xué)計算機(jī)科學(xué)與技術(shù)學(xué)院，江蘇蘇州 215006)

1 研究背景

邊坡穩(wěn)定性分析方法有很多種，由于其影響因素的數(shù)據(jù)難以精確確定，故基于非確定性理論的一類理論模型［1］是較合理的。如李文秀［2］提出了礦山邊坡的模糊數(shù)學(xué)方法。王艷霞［3］認(rèn)為對邊坡穩(wěn)定分析這一不確定性問題，采用模糊數(shù)學(xué)方法更符合客觀實際，選取反映問題實質(zhì)的隸屬函數(shù)是亟需解決和重點研究的問題;并提出最穩(wěn)妥的確定方法應(yīng)該是模糊統(tǒng)計，而權(quán)重直接影響決策，目前多憑主觀經(jīng)驗獲取，會導(dǎo)致失真，層次分析法 AHP(Analytic Hierarchy Process)為解決問題的一個途徑。黃飄［4］認(rèn)為模糊綜合評判是其中一種廣泛使用方法，但方法本身無突破性進(jìn)展，而精確的隸屬函數(shù)應(yīng)采用模糊統(tǒng)計法建立，AHP法的難點在于判斷矩陣的確定。蘇永華［5］也認(rèn)為模糊統(tǒng)計方法確定隸屬函數(shù)具有較大的準(zhǔn)確性，指出困難在于大量樣本的實現(xiàn)?？梢姂?yīng)用模糊數(shù)學(xué)方法評價邊坡穩(wěn)定性的難點是隸屬度和權(quán)重的計算。

粗糙集理論［6］具有處理不確定性問題時不需要數(shù)據(jù)之外任何先驗信息的優(yōu)點，因此本文在已有研究成果的基礎(chǔ)上提出了對粗糙集理論中的屬性商集作模糊統(tǒng)計，求解模糊隸屬度的集值統(tǒng)計方法(這里將邊坡狀態(tài)作為決策屬性而其它因素作為條件屬性)。其特點是以邊坡穩(wěn)定狀態(tài)為內(nèi)涵，以其它因素為外延，使其結(jié)果更符合樣本實際，降低求解過程中人為主觀因素，可與已有的研究成果來驗證其可靠性。同時，以神經(jīng)網(wǎng)絡(luò)正交試驗［7］求得的各因素對穩(wěn)定性影響級差之差為依據(jù)，構(gòu)建AHP判斷矩陣來計算權(quán)重［8］，并與該試驗結(jié)論作對比分析。相對于其它模糊數(shù)學(xué)方法，模糊積分(Sugeno積分)特別適合于度量和決策問題［9］，可用其評價邊坡穩(wěn)定性，由邊坡樣本數(shù)據(jù)的回判及與其它理論方法結(jié)果和工程實際來驗證其可行性。

2 邊坡穩(wěn)定性影響因素模糊隸屬度的求解

2.1 樣本數(shù)據(jù)離散和屬性商集的求解

本文搜集了邊坡樣本共121個，按編號分別來源于:參考文獻(xiàn)［10］(1-82)(為圓弧破壞)，文獻(xiàn)［11］(83-108)，文獻(xiàn)［12］(109-121);穩(wěn)定性影響因素5個:重度γ(kN/m3)、黏聚力c(kPa)、摩擦角 φ (°)、坡度 α (°)、坡高 H(m);判別因素 1個:安全系數(shù)F;狀態(tài)S:以0表示破壞，1表示穩(wěn)定。說明:考慮到其它樣本中相關(guān)因素數(shù)量，僅取文獻(xiàn)［12］中部分樣本，按原文順序排列如下(對含有子樣本的樣本從上到下再次編號):13，2，3，41，42，5，6，72，82，92，93，101，11。

為了求屬性商集，首先要對樣本數(shù)據(jù)離散化，盡管粗糙集理論中的相關(guān)方法很多，但最可靠還是應(yīng)用邊坡穩(wěn)定性分析的專業(yè)知識，已有的模糊分析方法中因素的評判分級標(biāo)準(zhǔn)為其提供了幫助，但尚無統(tǒng)一的標(biāo)準(zhǔn)。本文根據(jù)已有的研究成果并依據(jù)樣本數(shù)值范圍，采用表1的分級標(biāo)準(zhǔn)對其進(jìn)行離散化。如前所述，其中條件屬性即為穩(wěn)定性影響因素和判別因素，決策屬性為邊坡狀態(tài)S。說明:為了克服原參考文獻(xiàn)中邊界值為兩個級別的弊端，采取越大越優(yōu)型屬性(γ，c，φ，F(xiàn))大值增大相應(yīng)一個單位和越小越優(yōu)型屬性(α，H)小值減小相應(yīng)一個單位來劃分不同級別，分級后的樣本數(shù)據(jù)(部分)見表2。

表1 條件屬性值分級標(biāo)準(zhǔn)Table 1 Classification standards of condition attribute values

表2 離散后的樣本數(shù)據(jù)(部分)Table 2 Discrete sample data(portion)

為描述方便，設(shè) Ci(j)=(γ(j)，c(j)，φ(j)，α(j)，H(j)，F(xiàn)(j))，其中 i=1～6表示條件屬性，j=1～5表示級別。分級后的樣本是有重復(fù)的，可采用粗糙集軟件Rosetta［6］對條件屬性求商集后簡化，剩余84個相容決策樣本，再對各級別屬性求商集U/IND(Ci(j))，計算界面見圖1。

圖1 Rosetta計算界面Fig.1 Interface of Rosetta computing

2.2 模糊隸屬度的求解

首先分析用粗糙商集作集值統(tǒng)計求解隸屬度符合模糊統(tǒng)計試驗應(yīng)具備的4個要素［9］:①論域U={Ci(j)}，即條件屬性的集合;②U中一個固定元素Ci(j)，即一定級別的條件屬性;③U上一個模糊概念，即邊坡狀態(tài)S(決策屬性)，對其不確定性統(tǒng)計形成了條件屬性商集U/IND(Ci(j))與決策屬性商集U/IND(S)的交集，設(shè)A為該交集中的單個元素(即單個邊坡樣本)，則A的每次選擇(固定化)就是對邊坡狀態(tài)的一次確切劃分，即該邊坡樣本為何種狀態(tài)(破壞0或穩(wěn)定1)，表現(xiàn)了各因素(外延)對邊坡狀態(tài)(內(nèi)涵)的隸屬關(guān)系;④條件，影響邊坡狀態(tài)的因素，制約A的選擇(運(yùn)動)。

該試驗的基本特點是Ci(j)固定，A變化。U/IND(Ci(j))的基即為Ci(j)固定次數(shù)n，可定義為求Ci(j)隸屬度的試驗次數(shù)，在以求0或1狀態(tài)的隸屬度為條件選擇A(使A變化)，擊中Ci(j)(或Ci(j)捕捉到A)的次數(shù)為n0或n1，則對破壞狀態(tài)的隸屬度為μ0(Ci(j))=n0/n，對穩(wěn)定狀態(tài)的隸屬度為μ1(Ci(j))=n1/n。定義要求n取無窮大，實際一個邊坡樣本是不同級別屬性的組合，n是有一定規(guī)模的，這可以從樣本數(shù)據(jù)離散后出現(xiàn)重復(fù)得到驗證。下面通過求γ(3)的隸屬度來說明計算過程:由對應(yīng)商集的基可知道3級別γ的樣本個數(shù)n=33，求其與決策屬性商集U/IND(S)的交集，可知樣本中邊坡破壞個數(shù)n0=14和穩(wěn)定個數(shù)n1=19，則n0/n表示γ(3)對破壞狀態(tài)0的隸屬度 μ0(γ(3))=0.42，n1/n表示γ(3)對穩(wěn)定狀態(tài)1的隸屬度μ1(γ(3))=0.58。各級別條件屬性隸屬度計算結(jié)果見表3。

2.3 模糊隸屬度的驗證

選取安全系數(shù) F的隸屬度進(jìn)行驗證，文獻(xiàn)［16-17］已經(jīng)對其作了深入的研究，方法是依據(jù)已有的安全系數(shù)F與邊坡狀態(tài)S物理關(guān)系的研究結(jié)論，從常用的隸屬函數(shù)中選取戒下型嶺形分布函數(shù)，并各自根據(jù)工程經(jīng)驗及樣本實例確定其函數(shù)參數(shù)。需要說明的是，文獻(xiàn)［17］的樣本也來源于文獻(xiàn)［10］，但剔除了安全系數(shù)為1.8的破壞邊坡一例。將F(j)代入文獻(xiàn)中的隸屬函數(shù)求得隸屬度，并與本文結(jié)果相對比，見表4。可見本文求得F(1)的隸屬度位于區(qū)間值以內(nèi)，其余均位于區(qū)間值上限，只是在小數(shù)點后的第2位不同，當(dāng)然采用的樣本數(shù)據(jù)不同，計算結(jié)果不可能完全一致，總體上本文的模糊隸屬度還是可靠。由于其它因素隸屬度是用同樣方法求得，故可認(rèn)為也是合理的。對 γ(1)和 c(2)及α(5)的隸屬度為1的情況，說明本文樣本有一定的局限性，也再次表明邊坡狀態(tài)是由不同級別屬性共同作用決定的。

表3 不同級別條件屬性的隸屬度Table 3 Membership degrees of condition attributes in different levels

表4 安全系數(shù)F隸屬度的對比驗證Table 4 Comparison and verification of membership degree of safety factor F

3 邊坡穩(wěn)定性的模糊積分評價

3.1 因素權(quán)重的確定

神經(jīng)網(wǎng)絡(luò)正交分析得到的因素對邊坡穩(wěn)定性影響級 差 值 為 (0.818(γ)，0.972(c)，1.19(φ)，0.342(α)，0.608(H))，用大值與小值的差值作為AHP判斷矩陣構(gòu)建的依據(jù)，即若級差之差不超過0.2標(biāo)度為2(equally to moderately more important)，不超過0.3標(biāo)度為 3(moderately more important)，不超過0.4標(biāo)度為 4(moderately to strongly more important)，不超過0.5標(biāo)度為5(strongly more important)，不超過0.6標(biāo)度為6(strongly to very strongly more important)，不超過0.7標(biāo)度為 7(very strongly more important)，超過0.8標(biāo)度為8(very strongly to extremely more important)，當(dāng)小值與大值比較時則為相應(yīng)標(biāo)度的倒數(shù)。

采用SD(Super decision)［18］軟件計算，見圖2。四舍五入得5個因素權(quán)重向量為ω(Ci)=(0.15，0.24，0.50，0.04，0.07)，這與文獻(xiàn)［7］的結(jié)論是一致的。即邊坡穩(wěn)定性的主要影響因素為φ，c以及γ，其它為次要影響因素;φ的敏感性高于c，γ和α，H;c的敏感性高于γ;γ的敏感性均高于α，H;而H敏感性高于α。F是由以上5個因素求得的，也是邊坡穩(wěn)定性評價的重要判別因素，其權(quán)重應(yīng)與前5個因素權(quán)重之和相等，可得6個因素的權(quán)重向量為ω(Ci，F(xiàn))=(0.08，0.12，0.25，0.02，0.04，0.49)。

圖2 SD計算因素權(quán)重Fig.2 Interface of the calculated factors’weights in software SD

3.2 模糊積分評價方法與應(yīng)用

在模糊積分評價前，需按隸屬度大小對各因素重新排列，如樣本1重排列后各因素的排序見表5。由于本文評價因素為6個，為有限情形下的模糊積分，公式［9］為

式中:E1為評價值;u1(i)為因素對穩(wěn)定狀態(tài)的隸屬度;為因素權(quán)重累加。如果公式中取u0(i)，則評價值為 E0，且 E1+E0=1;因此將0.5作為評價臨界值，考慮到臨界狀態(tài)是偏于危險的，故定義E1＞0.5為穩(wěn)定狀態(tài)1，E0≤0.5為破壞狀態(tài)0。以樣本1為例說明計算過程。ωi計算如下:

ω1=ω(1)=0.25，

ω2=ω(1)+ ω(2)=0.37，

ω3=ω(1)+ ω(2)+ ω(3)=0.39，

ω4=ω(1)+ ω(2)+ ω(3)+ ω(4)=0.43，

ω5=ω(1)+ ω(2)+ ω(3)+ ω(4)+ ω(5)=0.51，

ω6=ω(1)+ ω(2)+ ω(3)+ ω(4)+ ω(5)+ ω(6)=1。

則按模糊積分公式計算E1=0.37，為破壞狀態(tài)0，與實際相符。

表5 因素重排列Table 5 Factors re-arranged

為了驗證方法的可行性以及因素多少對評價結(jié)果正確率的影響，對84個樣本依次按沒有F和有F進(jìn)行評價(兩者區(qū)別在于權(quán)重的不同)，可知:缺少F時評價正確60個，正確率71.4%;有F時，正確64個，正確率76.2%。可見因素的多少對結(jié)果的正確率有一定的影響，因素越多則評價的正確率越高。從樣本的選取也可以證明這一點，文獻(xiàn)［12］有的樣本在本文的6個因素取值相同的情況下，由于其它因素取值的不同而使其狀態(tài)不同，如前所述即邊坡的穩(wěn)定狀態(tài)是由多種因素共同作用的結(jié)果，不局限于本文6個因素。由于樣本的限制，本文只能選取6個因素求隸屬度作模糊積分評價。選取樣本以外的5個邊坡工程實例作模糊積分評價(表6)，可見評價結(jié)果可靠。

表6 邊坡工程實例數(shù)據(jù)和模糊積分評價結(jié)果Table 6 Data of real slope engineering examples and results of fuzzy integral evaluation

4 結(jié)論

邊坡穩(wěn)定性影響因素的確定包含很大不確定性，而在應(yīng)用非確定性理論模型，如模糊數(shù)學(xué)方法評價時，存在隸屬度和權(quán)重難以確定的問題。

本文提出了對粗糙集理論中的屬性商集作模糊統(tǒng)計求解隸屬度的集值統(tǒng)計算法，降低了人的主觀因素影響;與已有研究成果對比表明，該方法的結(jié)果是可靠的。以神經(jīng)網(wǎng)絡(luò)正交試驗分析得到的各因素對邊坡穩(wěn)定性影響級差之差作為AHP判斷矩陣建立的依據(jù)來求權(quán)重，其結(jié)果與該試驗的結(jié)論相一致。引進(jìn)了更適合度量和決策的模糊積分理論，對邊坡樣本的分析表明:模糊積分評價結(jié)果正確率與因素多少成正向關(guān)系;與其它理論方法的結(jié)果和工程實際對比可知，該方法評價結(jié)果可靠，但計算過程更方便快捷。另外，進(jìn)一步擴(kuò)充樣本，使所計算得到的模糊隸屬度更準(zhǔn)確以及與隨機(jī)可靠性相結(jié)合是以后的研究重點。同時，在給定相應(yīng)充足的樣本情況下，本文提出的方法還可應(yīng)用于評價地基、基坑、地下工程等不同類型工程的穩(wěn)定性。

［1］李文秀，梅松華.斜坡穩(wěn)定性評價的一類非確定性理論模型［J］.長江科學(xué)院院報，2004，21(1):15-17.(LI Wen-xiu，MEI Song-hua.An Indeterminacy Theoretical Model for Evaluation of Slope Stability［J］.Journal of Yangtze River Scientific Research Institute，2004，21(1):15-17.(in Chinese))

［2］李文秀.礦山高陡邊坡穩(wěn)定性研究的模糊數(shù)學(xué)方法［J］.長江科學(xué)院院報，1996，13(增刊):34-36.(LI Wen-xiu.Fuzzy Mathematics of the Stability of High and Steep Mining Slope［J］.Journal of Yangtze River Scientific Research Institute，1996，13(Sup.):34-36.(in Chinese))

［3］王艷霞.模糊數(shù)學(xué)在邊坡穩(wěn)定分析中的應(yīng)用［J］.巖土力學(xué)，2010，31(9):3000-3004.(WANG Yan-xia.Application of Fuzzy Mathematics to Slope Stability Analysis［J］.Rock and Soil Mechanics，2010，31(9):3000-3004.(in Chinese))

［4］黃 飄，謝曉峰，李 挺.邊坡巖體穩(wěn)定性的模糊綜合評判方法綜述［C］∥巖石力學(xué)與工程的創(chuàng)新和實踐.第十一次全國巖石力學(xué)與工程學(xué)術(shù)大會論文集，武漢:中國科學(xué)院武漢巖土力學(xué)研究所，2010:235-241.(HUANG Piao，XIE Xiao-feng，LI Ting.Review of Fuzzy Comprehensive Evaluation Methods for Slope Rock Mass Stability［C］∥ Innovations and Practices of Rock Mechanics and Engineering:Proceedings of the 11th National Academic Conference on Rock Mechanics and Engineering.Wuhan:Institute of Rock and Soil Mechanics，Chinese Academy of Sciences，2010:235-241.(in Chinese))

［5］蘇永華.巖土參數(shù)模糊隸屬函數(shù)的構(gòu)造方法及應(yīng)用［J］.巖土工程學(xué)報，2007，29(12):1772-1779.(SU Yong-hua.Constructing Method of Fuzzy Membership Function of Geotechnical Parameters and Its Application［J］.Chinese Journal of Geotechnical Engineering，2007，29(12):1772-1779.(in Chinese))

［6］?HRN A.Discernibility and Rough Sets in Medicine:Tools and Applications［D］.S?r-Tr?ndelag:Norwegian U-niversity of Science and Technology，1999.

［7］夏元友，熊海豐.邊坡穩(wěn)定性影響因素敏感性人工神經(jīng)網(wǎng)絡(luò)分析［J］.巖石力學(xué)與工程學(xué)報，2004，23(16):2703-2707.(XIA Yuan-you，XIONG Hai-feng.Sensitivity Analysis of Slope Stability Based on Artificial Neural Network［J］.Chinese Journal of Rock Mechanics and En-gineering，2004，23(16):2703-2707.(in Chinese))

［8］SAATY T L.Making and Validating Complex Decisions with the AHP/ANP［J］.Journal of Systems Science and Systems Engineering，2005，14(1):1-36.

［9］常大勇，張麗麗.經(jīng)濟(jì)管理中的模糊數(shù)學(xué)方法［M］.北京:北京經(jīng)濟(jì)學(xué)院出版社，1995:172-179.(CHANG Da-yong，ZHANG Li-li.Fuzzy Mathematic Methods in E-conomic Management［M］.Beijing:Peking Economic College Press，1995:172-179.(in Chinese))

［10］馮夏庭.智能巖石力學(xué)導(dǎo)論［M］.北京:科學(xué)出版社，2000:239-240.(FENG Xia-ting.Intelligent Rock Mechanics Introduction［M］.Beijing:Science Press，2000:239-240.(in Chinese))

［11］汪華斌，徐瑞春.BP神經(jīng)網(wǎng)絡(luò)在魚洞河滑坡穩(wěn)定性評價中的應(yīng)用［J］.長江科學(xué)院院報，2002，19(4):62-64.(WANG Hua-bin，XU Rui-chun.Application of BP Artificial Neural Networks on Stability Evaluation of Yudonghe Landslide［J］.Journal of Yangtze River Scientific Research Institute，2002，19(4):62-64.(in Chinese))

［12］陳樂求，彭振斌，陳偉，等.基于模糊控制的人工神經(jīng)網(wǎng)絡(luò)模擬在土質(zhì)邊坡安全預(yù)測中的應(yīng)用［J］.中南大學(xué)學(xué)報(自然科學(xué)版)，2009，40(5):1381-1387.(CHEN Le-qiu，PENG Zhen-bin，CHEN Wei，et al.Artificial Neural Network Simulation on Prediction of Clay Slope Stability Based on Fuzzy Controller［J］.Journal of Central South University(Science and Technology)，2009，40(5):1381-1387.(in Chinese))

［13］王秀麗，王艷紅，朱彥鵬.黃土地區(qū)高邊坡穩(wěn)定性模糊識別法理論與應(yīng)用［J］.巖石力學(xué)與工程學(xué)報，2006，25(增1):2868-2874.(WANG Xiu-li，WANG Yan-hong，ZHU Yan-peng.Theory and Application of Fuzzy Pattern Recognition to Stability of Loess Slope［J］.Chinese Journal of Rock Mechanics and Engineering，2006，25(Sup.1):2868-2874.(in Chinese))

［14］彭文祥.巖質(zhì)邊坡穩(wěn)定性模糊分析及耒水小東江電站左岸滑坡治理研究［D］.長沙:中南大學(xué)，2004.(PENG Wen-xiang.Fuzzy Analysis of Rock Slope Stability and Landslide Treatment on the Left Bank of Xiaodongjiang Power Station［D］.Changsha:Central South University，2004.(in Chinese))

［15］包惠明.基于RS理論的巖質(zhì)路塹邊坡穩(wěn)定性研究［D］.西安:長安大學(xué)，2003.(BAO Hui-ming.Rock Slope Stability Based on RS Theory［D］.Xi’an:Chang’an University，2003.(in Chinese))

［16］王 宇，宋新龍，張 行.邊坡工程模糊隨機(jī)可靠度分析［J］.長江科學(xué)院院報，2011，28(9):30-34.(WANG Yu，SONG Xin-long，ZHNAG Hang.Fuzzy Stochastic Reliability Analysis of Slope Engineering［J］.Journal of Yangtze River Scientific Research Institute，2011，28(9):30-34.(in Chinese))

［17］徐 輝.基于模糊集理論的邊坡穩(wěn)定模糊隨機(jī)可靠度分析［D］.杭州:浙江大學(xué)，2006.(XU Hui.Fuzzy Reliability Analysis of Slope Stable Capacity Based on Fuzzy Sets［D］.Hangzhou:Zhejiang University，2006.(in Chinese))

［18］SAATY R W.Decision Making in Complex Environments:The Analytic Hierarchy Process(AHP)for Decision Making and the Analytic Network Process(ANP)for Decision Making with Dependence and Feedback［M］.Pittsburgh:Katz Graduate School of Business，University of Pittsburgh，2003.

［19］王東耀，折學(xué)森，葉萬軍.基于可拓工程法的黃土路塹邊坡穩(wěn)定性評價方法［J］.地球科學(xué)與環(huán)境學(xué)報，2006，28(3):57-60.(WANG Dong-yao，SHE Xue-sen，YE Wan-jun.Method for Stability of Loess Slope of Cut Based on Topology［J］.Journal of Earth Sciences and Environment，2006，28(3):57-60.(in Chinese))