毕业设计（论文）-GPS技术的边坡变形监测和数据处理中的应用.doc

闽江学院本科毕业论文(设计) 题 目GPS技术的边坡变形监测和数据处理 中的应用 学生姓名 学 号 3110502118 系 别 地理科学系 年 级 11级 专 业 测绘工程 指导教师 职 称 完成日期 闽江学院毕业论文（设计）诚信声明书本人郑重声明：兹提交的毕业论文（设计）基于GPS技术的边坡变形监测和数据处理分析 ，是本人在指导老师 管庆林 的指导下独立研究、撰写的成果；论文（设计）未剽窃、抄袭他人的学术观点、思想和成果，未篡改研究数据，论文（设计）中所引用的文字、研究成果均已在论文（设计）中以明确的方式标明；在毕业论文（设计）工作过程中，本人恪守学术规范，遵守学校有关规定，依法享有和承担由此论文（设计）产生的权利和责任。声明人（签名）：庄克强年 月 日目录1.1论文背景及研究意义4 1.2国内研究现状1.3本文的主要思路及内容4第二章 边坡监测方法552.1边坡变形监测的简述62.1.1 边坡变形监测的目的和意义62.1.2 边坡变形监测的主要任务62.1.3 边坡变形监测的内容72.3 GPS在边坡变形监测中的应用7第三章 边坡变形的人工神经网络模型预测9第四章 结论与展望134.1 结论134.2 展望14参考文献15致谢16你的论文整个框架设计还比较混乱，根本就不像篇论文，标题设计比较随意，框架逻辑混乱，重点不清，都搞不懂你到底要写GPS技术的应用呢还是写神经网络在边坡预测中的应用。必须重写，抓紧时间！目前正文里的其他问题主要有： 1：整篇文章引用的地方需要注明，引用的顺序和参考文献的顺序一致； 2；论文的内容和标题不搭配，语言表达乱七八糟，这里不一一列出，自己对照“指导书”认真修改。 3；论文里的格式、首先是目录不规范。其他的问题譬如摘要、字体、图、表、参考文献、语句论述等不符合规范。 4；论文的框架和结构不合理，脸论文的题目都没确定好。论文所有的章节安排和标题设计都应该紧扣主题，并突出自己实际做的工作。在你的论文里，我根本没看到你到底做了什么，你这样的论文一定是过不了的，自己下去解决。给你建议：1. 搞清楚你到你要写什么，把框架先定下来。2. 认真仔细的按照“闽江学院本科生毕业论文指导手册”里理工科论文写作要求,逐一对应修改。3、认真调整论文内容，整个框架的设计，标题的设计；注意各标题和论文主题的关系，各级标题之间的包含关系和逻辑关系等。摘要边坡失稳滑塌,严重地威胁到国家和人民的生命和财产安全，滑坡问题也是目前全世界范围内危害性最为严重的地质灾害之一。近年来随着工程数量的日益增加,涉及到边坡的工程也越来越多,例如建筑的边坡、水库的岸坡、公路或铁路的路壁边坡等,都涉及到稳定性问题。如何把边坡的失稳滑塌所造成的灾害损失降低到最低程度,是目前土木工程领域内学者和设计人员不可忽视的一大难题。本文从分析边坡的变形机理入手,对边坡进行监测并对变形监测的数据进行处理和分析。对目前在变形监测中应用最为广泛的GPS技术及其特点进行介绍,将GPS技术应用于某边坡并对其进行变形监测,根据实际的监测资料利用人工神经网络模型对该边坡的变形趋势进行了预测分析。关键字：边坡变形监测，人工神经网络Abstract The instability of slopeand collapse is a serious threatto thesecurity ofthe stateand the peoples life and property,the landslideis aworldwidehazardis one of the mostserious geological disasters.In recent years,withthe increasing number ofengineering,related to theslopeengineeringare more and more,such as theslope,theslopeof thereservoir construction,highwayor railwayroadwallslope,are related to thestability of the.How to put theslopeslidingdisaster lossescaused by thecollapseof thereduced to the lowest degree,is a big problem inthefield of civil engineeringresearchers anddesignerscan not be ignored. In this paper,from theanalysis of deformation mechanismofslope,monitoring of theslope and thedeformation monitoringdataprocessing and analysis.At present,mostof deformation in theapplication ofGPStechnology and its characteristicsare introducedin theextensivemonitoring,GPS technology will be applied toa slopeand its deformation monitoring,according to the deformationtrend ofusing artificial neural network model of the actualmonitoringdataofthe slopehas carried on the forecast analysis.Key word:Slope Deformation monitoring, GPS,Artificial Neural Network第1章 绪论1.1论文背景及研究意义边坡稳定问题是目前工程建设中经常遇到的问题, 边坡失稳滑塌将会威胁到国家财产和人民的生命安全。近年来随着工程数量的日益增加，涉及到边坡的工程也越来越多，如建筑的边坡、水库的岸坡、公路或铁路的边坡的边坡等。边坡稳定问题越来越不容忽视。如何把边坡的失稳滑塌所造成的灾害损失降低到最低程度,是目前土木工程领域内学者和设计人员不可忽视的一大难题。边坡按照形成原因可以分为自然边坡和人工边坡。自然边坡是指由于地壳运动过程中自然形成的边坡,例如山坡,就是最为常见的自然边坡。人工边坡是指人类开挖或填方所形成的边坡。无论是自然边坡还是人工边坡,都会遇到边坡的安全性问题。边坡的破坏类型,从变形形态上可分为崩塌、滑坡、剥落等,其中又以滑坡灾害最为严重。滑坡是指岩体在重力作用下沿着坡内的柔弱部分产生的整体滑动,通常以深层破坏形式出现1。滑坡的滑动速度与岩体的性质及滑动面自身的物理力学性质有关,当岩体塑性较强,则滑动速度比较缓慢;如果岩体脆性较强,则滑动速度往往是突发、迅速的。随着我国基础设施的大力发展,在建筑、水利、矿山、交通等工程都需要开挖山体,这使得滑坡的潜在性大大增加,所以对边坡的变形状况进行监测显得尤为重要。这也是目前变形监测领域内的一项重要研究课题。边坡变形监测,就是对边坡的变形状况利用各种手段进行监测，通过所监测的变形资料对边坡的变形状况进行分析并对未来的变化进行预测，及时向有关部门提供预警预报信息,为预防滑坡和治理滑坡提供可靠的理论根据。边坡变形监测涉及到多门学科，它是以测量学为骨架，通过结构力学，工程地质、水文和计算机等多门学科的补充，是一门综合性强，研究领域广的工程技术。随着科学的发展，任何一门有关监测的学科或技术的发展都会带动着监测技术的进步。 1.2本文的主要研究内容本文主要从分析边坡的变形机理入手,研究边坡变形监测的有关技术理论与方案,；利用目前在变形监测中应用最为广泛的GPS技术对边坡进行变形监测,采集边坡的变形数据。根据实际的监测资料利用人工神经网络模型对该边坡的变形趋势进行了预测分析。变形监测所研究的理论和方法主要包括三个方面的内容:变形信息的获取、变形信息的的分析与解释以及变形信息的预报2。其中,变形信息的获取即数据采集是监测工作的基础,数据分析是变形监测工作的基本手段,而监测工作的最终目的是为了得到变形体未来的变形趋势的预报。只有正确的分析和解释导致变形体变形的各种因素，才能建立起科学的、合理的模型来模拟变形体的变形规律和变形趋势，从而能够对变形体的未来变化做出准确的预报。 目前,国际上较为流行的分析和建模的方法主要有以下几种：回归分析法、时间序列分析模型、灰色系统模型、卡尔曼滤波模型和人工神经网络模型等；由于变形体变形基理的复杂性和多样性，针对不同的变形体所采用的建模方法也不同，本文主要采用人工神经网络进行分析建模。第二章 GPS技术在边坡监测中的应用2.1 边坡稳定性影响因素分析 在涉及边坡的工程建设中，由于边坡失稳而产生滑坡的情况屡见不鲜，因此，能否准确分析和评价边坡的稳定性对于工程具有重要意义。能对边坡稳定性造成影响的因素很多，其中，对边坡稳定性造成影响的决定因素是边坡本身的性质所决定的，即边坡所处的地质、水文条件、地质构造和地形地貌等因素。岩体的结构面也是影响边坡稳定性的最主要的因素之一。岩体的稳定性主要与组成边坡的岩体中的结构面的倾角变化程度有关,如果结构面是竖直或水平,岩体不会发生单纯的滑动,此时的边坡破坏将包括完整岩块的破坏以及沿着某些结构面的滑动3。环境、气候等因素的变化也会对边坡的稳定性造成一定程度的影响，例如，连续的降雨天气、边坡所在地区的气候突变，冷热交替使得边坡的强度减小，风化程度加深，导致稳定性大大降低，继而使得边坡发生破坏。另外，人类活动因素对边坡稳定性的影响也是不容忽视的，人类的工程活动往往会使的边坡的外形发生变化，使得边坡的结构面受到影响，进而诱发边坡失稳。由此可见，人类的活动对边坡失稳的影响是处于次要作用的。 边坡的稳定性和影响边坡稳定性的各种因素之间是互为表里的关系，任何一个因素的改变通常会引发其他因素的改变，具体的变现为边坡稳定状态发生改变。因此，在对边坡稳定性进行评价时，应该确定各因素在边坡稳定性中所占的权重，对占主导作用的因素应进行重点的考察和分析。2.2边坡变形监测的简述2.2.1 边坡变形监测的目的和意义 边坡的破坏，一般情况下都是不可能突然就发生的，边坡在破坏之前一般要经历一段时间的酝酿，对边坡进行监测既可以预测到边坡的失稳滑动，又可以通过监测的数据来检验边坡治理方案是否能够有效的防治边坡的破坏。对于边坡的变形进行监测,主要有以下几个目的: (1)通过监测可对滑坡体的变形特性进行研究、对其变形发展趋势作出预测,为防治滑坡和治理滑坡提供技术依据。根据监测的结果,可以掌握滑坡体的变形特征、滑坡体的滑动方向、发生规模、发生时间等相关信息,向有关部门提供相关的灾害信息,尽量避免和减少由于滑坡所带来的损失,及时采取防灾措施,制定相应的防灾减灾对策5。(2)通过对边坡施工和使用过程进行监测可以为有关部门提供有力依据，以便有关部门能够对不合理的地方进行调整和修改，同时又能够通过监测数据对边坡的未来状况进行一定程度上的预测，对未来可能发生的变化提早进行防治，降低损失。 (3)利用相关的数学模型对监测数据进行分析建模，对边坡的变形值进行预测。影响边坡变形的因素很多，不能只通过现有的监测数据就对边坡未来的变形状况进行定量分析，因此需要对边坡的监测数据进行统计计算，并建立起相关的数学模型进行研究分析。2.2.2 边坡变形监测的主要任务边坡支护结构安危关系到本工程整体的安全，还关系到附近建筑物和道路设施的安全等，因此必须采取信息施工的方法对边坡支护施工的全过程进行监测。通过施工监测，掌握边坡支护施工过程中支护结构变形情况，周边变化情况，将信息及时反馈给有关单位，判断边坡支护结构安全，指导施工，当出现异常时，及时报警，并及时采取必要措施，以确保支护安全。2.2.3 边坡变形监测的内容1、监测项目 边坡水平位移（测斜）监测：在边坡坡顶每隔3040米埋设1根测斜管，测斜管埋于挡土墙后（测斜管的埋深深度为挡土墙的高度+5m），以观测边坡在施工及使用过程期间的水平变形，了解边坡变形情况。根据设计要求，埋设30根测管，预计埋设355米。 垂直位移（沉降）监测：在边坡坡顶及平台处，沿边坡走向每隔1520m布置一个沉降观测点，预计布设69个观测点；为确保坡顶(脚)建(构)筑物的安全及正常使用，在坡顶(底)相邻建筑物每栋布置沉降观测点不少于4个，预计布设47个观测点；两项共布设116个测点 水平位移监测：为了解支护结构侧向位移量的大小和判断侧向位移对支护结构变形的影响，根据设计单位要求，每隔1520m布设一处监测断面，水平变形每处两点（分别布置在支护结构顶部和中部）共设59个监测断面，共118个测点。 锚索应力监测：锚索预应力变化(损失)监测对于岩土锚固工程具有重要意义,它通过监控施工过程中及工后的预应力状态,检验加固工程是否达到预期效果,根据长期的监测结果对坡体稳定状态作出评价,并决定是否需要采取适当的补救措施。选择有代表性的锚索，测定锚索的应力和预应力损失；预应力锚索的应力监测根数33根。 周边巡视：地表裂缝观测每次监测时，对边坡的支护结构及支护结构附近的土体进行巡视，当出现裂缝时，设点观测。监测范围：边坡坡顶不小于1.5倍的边坡高度范围。2、监测频率施工之前2次初始位移监测值。边坡施工过程中约2周观测1次，施工完毕后可每12个月观测1次，至变形稳定为止且竣工后观测时间不少于2年。3、台风暴雨及支护结构变形异常等情况下的应急监测措施 当台风暴雨结束后，组织技术力量，由监测项目组长带队，及时对边坡支护体系进行全方面的监测。 当发现边坡支护结构体系变形异常时，由监测组长带头组织技术人员，立即对边坡支护异常段进行全面的监测，根据现场情况进行监测加密，监测频率预计7天1次。2.3 GPS在边坡变形监测中的应用2.3.1 GPS定位技术GPS系统的前身是美国军方研制的一种子午仪卫星定位系统，1958年研制，1964年正式投入使用。GPS卫星星座由24颗卫星组成，其中工作卫星为21颗，其余的3颗为备用卫星。24颗卫星均匀分布在6个轨道平面上，即每个轨道面上有4颗卫星。卫星轨道面相对于地球赤道面的轨道倾角为55，各轨道平面的升交点的赤经相差60 ，一个轨道平面上的卫星比西边相邻轨道平面上的相应卫星升交角距超前30。这种布局保证了在全球任何地点、任何时刻至少可以观测到4颗卫星。GPS系统主要由空间星座部分、地面监控部分和用户设备部分组成。地面监控系统的主要功能是通过跟踪卫星来确定卫星的运行轨道和卫星钟的改正数，并对之进行预报，而后再将导航电文通过注入站送入卫星。地面监控系统还能通过注入站对卫星的轨道和卫星钟读数进行调整，并对卫星进行故障维修和发布命令等。由于GPS定位技术具有精度高、速度快、成本低的显著优点，并且具备全球性、全天候、连续的卫星无线电导航系统，可提供实时的三维位置、三维速度和高精度的时间信息等功能，因而已成为目前世界上应用范围最广泛、实用性最强的全球精密授时、测距、导航、定位系统。 在实际的工程应用中，为了提高监测对象的高精度、高准确性的测量结果,静态相对定位的方式就成为了GPS技术在变形监测中比较常用的方式。至于一些对建筑物测量要求较高的工程则需要对监测的对象进行实时测量与统计。2.3.2 GPS点布设原则 GPS边坡监测网主要由GPS点和基线向量所组成,GPS点主要由基准点和监测点组成,在边坡的变形监测中，由于有的边坡稳定性不高，因此基准点要尽量埋设在一些稳固的地方，尽量不要埋设在容易发生滑坡变形的区域，以确保基准点尽可能地稳定并便于长期保存,以之相反监测点应布设在能够反映监测对象变形明显的部位,由此可以建立三角网构成监测网络。边坡监测系统网形设计,应着重考虑现场的监测条件,并且要以GPS网图形构成的基本概念及设计原则为基准7。2.3.3边坡及变形监测网布设简介 本工程位于福州市闽侯县上街镇大学城福州职业技术学院校内。边坡顶为职业技术学院宿舍、食堂及校内绿地,坡顶标高约13.036.0m(罗零高程，下同)，各宿舍及食堂(37F)为砖混结构，采用桩基础。边坡脚为宿舍及校内道路。场地标高约13.0019.50m。边坡高度约033.0m，总长约940m。 场地地基土层除表层为填土外，主要为冲积、冲洪积、坡积、残积成因类型及其基岩风化岩层，场地基底母岩为花岗岩及闪长岩。原始地貌属冲积平原地貌单元。场地岩土层自上而下分为5个主要岩土层，岩土层特征分述如下：a.坡积粘性土；b.残积粘性土；c.全风化花岗岩；d.强风化花岗岩（砂土状）；e.强风化花岗岩（碎块状）；f.中风化花岗岩。 GPS边坡监测网由基准网和变形网两级网构成,首级网是由监测点构成的变形网,二级网是由边坡监测点构成的变形网。在基准网控制下,计算边坡点各期的观测值与首期观测值的坐标差,即可对边坡是否发生变形进行判断8。设监测点在首次监测所测得的坐标为(X1,Y1,Z1),在第n次所测得的坐标为(Xn,Yn,Zn)，该点在n观测期的变形值（）的计算公式为： （2-1） 式中变形值的大小取决于岩土体本身的受力情况和力学特性，且与时间有关，变形值一般比较复杂，因此需要通过内业对监测点位移变形值进行数据处理并对变化状况进行分析。2.3.4边坡数据的采集与处理 施工之前2次初始位移监测值。边坡施工过程中约2周观测1次，施工完毕后可每12个月观测1次，至变形稳定为止且竣工后观测时间不少于2年。目前已监测58期。利用GPS接收机采用静态相对定位的方法进行数据采集。在监测过程中，两台接收机布置在基准点上，6台接收机在监测点上进行流动观测，观测的时间不少于1小时。在进行内业数据处理时，首先将GPS接收机上的观测数据存储在电脑上，在利用LEICA Geo Office Combined软件进行处理，首先先进行点号、天线高进行核对，之后进行基线解算，并进行无约束网平差，最后将结果归算到所假定的坐标系统。表2-1 闭合环精度统计表：闭合环个数基线向量最高精度（mm）最低精度（mm）平均精度（mm）水平垂直水平垂直水平垂直4178 0141418表2-2 基准点起算坐标：基准点点号XYZ12884576.476419812.32821.47722884524.769419780.36421.114表2-3监测点首期监测数据：（单位：m）监测点号XYZ12884505.532419816.05924.231322884515.994419836.74723.022632884557.449419867.97923.266142884571.208419883.30423.080752884571.715419873.59521.888062884566.447419864.27721.1166第三章 边坡变形的人工神经网络模型预测3.1 工神经网络模型理论3.1.1人工神经网络的基本概念 人工神经网络（Artificial Neural Networks，简记ANN）是对人类大脑系统特性的一种描述，它是一个数学模型，可以用电子线路来实现，也可以用计算机程序来模拟9。一般来说，人工神经网络是一个并行、分布处理结构，它由处理单元以及称为联结的无向信号通道互连而成。这些处理单元（PEProcessing Element）具有局部内存，并可以完成局部操作。每个处理单元有一个单一的输出联结，这个输出可以根据需要被分支成希望个数的许多并行联结，而且这些并行联结都输出相同的信号，即相应处理单元的信号，信号的大小不因分支的多少而变化。处理单元的输出信号可以是任何需要的数学模型，每个处理单元中进行的操作都必须是完全局部的。也就是说，它必须仅仅依赖于经过输入联结到达处理单元的所有输入信号的当前值和储存在处理单元局部内存中的值1。 目前人工神经网络的种类繁多，但在实际应用中，绝大部分的人工神经网络模型采用的是 BP 网络以及它的变化形式，它也是前向网络的核心部分，体现了人工神经网络最完美，最精华的部分，其广泛的适用性和有效性使得人工神经网络的应用范围得到了较大的扩展。人工神经网络是有具有呢适应性的简单单元组成的广泛并行互连的网络，它的组织能够模拟生物神经系统对真实世界物体所作出的交互反应。它的构筑理念是受到生物（人或其他动物）神经网络功能的运作启发而产生的。1982年，美国生物学家J.J.Hopfield提出了Hopfield网络模型，引起了人们对神经网络研究的热潮。至此，人工神经网络发展迅速，并在多个领域内被广泛应用。人工神经网络的主要特点是：（1） 知识以分布的方式存储，分布在整个系统中而不是存储在特定的存储单元中；（2） 能够用来逼近任意复杂的非线性系统；（3） 容错能力强，通过对不完善的数据和图形的学习可以作出判断；（4） 通过并行方式进行处理，提高信息处理和运算的速度；（5） 神经网络具有良好的自学习和自适应能力，因此可以处理不确定或不知道的系统；3.1.2 BP网络结构及算法BP网络通常采用的是多层网络结构，一般是由输入层、隐含层和输出层三部分组成。在BP人工神经网络中，层和层之间大多数采用全互联方式，且同一层的节点相互之间不存在相互连接。隐含层既可以是一层也可以是多层。输入层上的输入节点神经元的个数通常是由输入值来决定，输出层上的神经元个数由所需要的输出值决定，隐层上的神经元个数则根据实际问题所需要的精度以及收敛速度来调节。考虑到实际应用的要求，网络设计时应坚持尽可能减小系统的规模和复杂性的原则，在能满足实际应用要求的前提下，应尽量采用较为简单的BP人工神经网络网络，即尽量使用较少的隐含层以及隐含层上的神经元个数13。图3.1为一个简易BP人工神经网络示意图：图3-1 BP网络结构示意图BP 网络算法的学习过程是由正向传播和反向传播组成。给网络提供一对学习样本后，这对样本的每一个输入模式将通过BP网络依次进行如下学习：将学习样本从输入层传到隐含层节点，通过隐含层节点进行处理后，产生一个输出模式传到输出层，这一学习过程称为正向传播；若通过正向传播后在输出层没有得到理想的输出模式，则进行误差反向传播过程，即将误差信号沿原处理路径返回，并修改各层神经元的链接权值，使误差的信号降到最小；而后一直重复以上进程，直到得到最理想的输出模式为止。以图3.1.1为参照，设网络的输入为X=（x1，x2，.xn），输出为D=（d1,d2,.dm),实际输出为Y=（y1，y2.ym）。BP网络的学习步骤一般为：（1） 随机给定各权值的初值和阀值；（2） 通过随机给定的输入输出模式对计算网络的实际输出Y； 对于输入层节点，其输出与输入数值 对于隐含层节点，其输入为: （3-1）输出为： （3-2） 对于输出层节点，其输入为： （3-3）输出为： （3-4）（3） 由输出节点j的误差： （3-5）计算所有输出节点的误差平方总和，得能量函数： （3-6）若E小于规定值，转为步骤（5），否则进行步骤（4）；（4） 计算新的权值和阀值；（5） 进行下一个训练样本，直至样本中的每一个训练样本都满足目标输出，即完成BP网络学习；3.2 人工神经网络模型在某边坡变形预测的应用研究3.2.1测区概况本文所采用的数据为福州职业技术学院的边坡监测数据。边坡顶为职业技术学院宿舍、食堂及校内绿地,坡顶标高约13.036.0m(罗零高程，下同)，各宿舍及食堂(37F)为砖混结构，采用桩基础。边坡脚为宿舍及校内道路。场地标高约13.0019.50m。边坡高度约033.0m，总长约940m。1、地质情况概述 （1） 场地地基土层除表层为填土外，主要为冲积、冲洪积、坡积、残积成因类型及其基岩风化岩层，场地基底母岩为花岗岩及闪长岩。原始地貌属冲积平原地貌单元。场地岩土层自上而下分为5个主要岩土层，岩土层特征分述如下：a.坡积粘性土；b.残积粘性土；c.全风化花岗岩；d.强风化花岗岩（砂土状）；e.强风化花岗岩（碎块状）；f.中风化花岗岩。（2） 地下水类型：基岩风化裂隙水：主要赋存于强风化花岗岩（砂土状）、强风化花岗岩（碎块状）及中风化花岗岩风化裂隙中，由于基岩节理多数为闭合型，其透水性中等，富水性偏弱。以含水层的侧向径流补给为主。年水位边幅约3.04.0m。3.2.2 BP网络的建立在实测的工程数据中，由于观测数据多达58期，且观测的点数众多。因此选择其中具有代表性的两点，分别是位于花岗岩土质的监测点A3、位于粘性土的监测点B1，并选择其中观测较为完整的12期数据作为样本，其中的9期作为BP网络训练的样本，其余的3期数据即为BP网络的测试样本。本文通过调用MATLAB中的premnmx()函数来实现数据的归一化处理。这样能对后面数据的处理提供便利，并且能提高程序运行时收敛的速度。函数的实现：pn,minp,maxp,tn,mint,maxt,=premnmx(p,t)式中p为边坡变形监测原始数据，t为期望值。表3-1 福州职业技术学院边坡监测（A3）日期实测位移（mm）距上次监测的位移（mm）学习结果（mm）2012.12.211.870.091.912013.04.263.750.193.732013.05.104.080.334.102013.10.117.670.177.882014.04.209.850.099.652014.06.209.910.189.782014.11.1210.120.0210.152015.02.1610.680.0010.71表3-2 福州职业技术学院边坡监测（B1）日期实测位移（mm）距上次监测的位移（mm）学习结果（mm）2012.12.211.680.081.712013.04.263.740.253.712013.05.104.100.364.122013.10.116.730.116.852014.04.208.180.098.102014.06.208.590.378.582014.11.129.010.219.242015.02.169.540.159.68 通过以上3张表格可以看出采用BP网络得到的变形预测结果与实测得到的监测点变形结果的符合程度较好，可以反映出监测数据的变化规律，在边坡的预测中具有较好的实用价值。第4章 结论与展望4.1 结论（1）从上表可知在2013年4月26日和2014年6月20日边坡的位移幅度变大，经过查询得知这两个时间段均有连续7天以上的阴雨天气，强降雨使得边坡的强度大大降低，因此，在有连续降雨的天气里要特别注意对边坡的监测，防止发生滑坡。（2）位于花岗岩土质的监测点（A3）的位移量较之位于粘性土的监测点（B1）的位移量低，所以在施工过程中要对粘土性的边坡多加重视，多做一些防范措施。（3） 通过BP神经网络模型可以预测下一步边坡的位移，可为边坡变形的控制和采取相应措施提供参考。同时，对最终沉降