A New Model for the Evaluation of River Banks Stability Using Artificial Neural Network

ABSTRACT: The instability of river bank can result in considerable human and land losses. The Po River is the most important in Italy, characterized by main banks of significant and constantly increasing height. This study presents multilayer perceptron of artificial neural network (ANN) to construct prediction models for the stability analysis of river banks along the Po River, under various river and groundwater boundary conditions. For this aim, a number of networks of threshold logic unit are tested using different combinations of the input parameters. Factor of safety (FS), as an index of slope stability, is formulated in terms of several influencing geometrical and geotechnical parameters. In order to obtain a comprehensive geotechnical database, several cone penetration tests from the study site have been interpreted. The proposed models are developed upon stability analyses using finite element code over different representative sections of river embankments. For the validity verification, the ANN models are employed to predict the FS values of a part of the database beyond the calibration data domain. The results indicate that the proposed ANN models are effective tools for evaluating the slope stability. The ANN models notably outperform the derived multiple linear regression models.

RÉSUMÉ: L'instabilité des berges du fleuve peut entraîner des pertes humaines et terrestres considérables. Le Pô est le plus important d'Italie, caractérisé par des rives principales d'une hauteur importante et en constante augmentation. Cette étude présente le perceptron multicouche du réseau neuronal artificiel (ANN) pour construire des modèles de prédiction pour l'analyse de la stabilité des berges le long du fleuve Pô, dans diverses conditions aux limites des rivières et des eaux souterraines. A cet effet, un certain nombre de réseaux d'unités logiques à seuil sont testés en utilisant différentes combinaisons des paramètres d'entrée. Le facteur de sécurité (FS), en tant qu'indice de stabilité des pentes, est formulé en termes de plusieurs paramètres géométriques et géotechniques influents. Afin d'obtenir une base de données géotechnique complète, plusieurs essais de pénétration au cône du site d'étude ont été interprétés. Les modèles proposés sont développés à partir d'analyses de stabilité utilisant un code d'éléments finis sur différentes sections représentatives des digues fluviales. Pour la vérification de validité, les modèles ANN sont utilisés pour prédire les valeurs FS d'une partie de la base de données au-delà du domaine des données d'étalonnage. Les résultats indiquent que les modèles ANN proposés sont des outils efficaces pour évaluer la stabilité des pentes. Les modèles ANN surpassent notamment les modèles de régression linéaire multiple dérivés.