基于BP神经网络的隧道围岩分类.pdfVIP

陈振平 ，等 ：基于BP神经网络的隧道围岩分类 ·97· 基于 BP神经 网络 的隧道围岩分类 陈振平 ，王 鹏 (1．河南省交通规划勘察设计院有限责任公司，郑州 450052； 2．中交第二公路勘察设计研究院有限公司，武汉 430056) 摘 要：应用BP神经网络建立了隧道围岩分类模型，对其影响因素进行分析，并对模型进行优 化 ，将训练好 的分类模型运用到贵安隧道 ，为隧道围岩分类提供 了一种简便可行的方法。 关键词：影响因素；围岩稳定性分类；BP神经网络 中图分类号 ：U452．15 文献标志码 ：A 文章编号 ：1003—8825(2011)Ol一0097—03 O 引言 目前用于隧道 围岩稳定性分类 的方法较多 。 ， l 塑 l 但都具有较浓的人为因素。随着人们对隧道工程 、地 网络初始化 质环境以及这两者间相互关系的了解，围岩分类法亦 给定输入 向量和输出向量 在不断地深化和提高。 众多理论研究和工程实例表明，影响隧道围岩稳 计算隐含层 、输 出层各单元输出 定性主要有 内在因素和外在因素，但起主导作用的还 计算 目标值与实际输 出的偏差 是内在因素 ，即岩石及岩体结构是最主要的因素。在 两蘑 — — 较完整的岩体中，岩石强度越低，则隧道围岩稳定性 —]— 一 越差；而在相 同岩性的条件下，岩体愈破碎，完整性 计算输出层 、隐含层单元误差 越差 ，则隧道就越容易失稳。其他因素有可能在一定 计算误差梯度 条件下进行转化。 对隧道围岩稳定性进行分类，就需考虑各影响因 陬面 素之间的相互关系。为尽可能降低或消除判别过程 中 人为因素的影响，尝试一种实用、可靠的隧道围岩稳 图 1 BP神经 网络算法流程 定性识别的评价方法是十分必要 的。本文引入 BP神 经网络方法对围岩稳定性进行分类 ，并对该法进行优 工程资料，选取岩体质量指标RqO、岩石单轴饱和抗 化，既尽可能地消除人为因素的影响，又能减少手动 压强度R 、岩体完整性系数 、结构面强度系数 和地下水渗流量 ∞的5个主要影响因素作为网络的输 计算产生的误差，从而提高工作效率与计算精确性。 入节点。输出层则反映围岩分类的定量指标 ，输 出层 1 隧道围岩分类 BP神经 网络模型 结果 (1，0，0，0，0)，(0，1，0，0，0)，(0，0， 1．1 BP神经网络 1，0，0)，(0，0，0，1，0)，(0，0，0，0，1)分 别表示 I，Ⅱ，Ⅲ，Ⅳ，V级围岩，若不为 1时，五 BP神经网络又称误差反 向传播多层前馈神经 网 个数值中最接近 1的数对应相应 的围岩级别；若为 络，是一种单向传播的多层前向网络 。‘。它包括一