DE—BP神经网络的边坡稳定性分析.pdfVIP

· 56· 路基工程 2009年第4期 (总第 145期) DE—BP神经网络的边坡稳定性分析 水 卜娜蕊 赵 辉 谢 军 (1，河北建筑工程学院 河北保定 075024；2，中国民航大学经济管理学院 天津 300300) 摘 要 引入 BP神经网络技术对边坡稳定性进行分析，建立了边坡稳定性分析模型。针对 BP 神经网络参数优化容 易陷入局部最优解所存在的缺陷，结合差异演化算法 (DifferentialEvolution， DE)，提 出了实数编码的DE—BP神经网络预测模型。研究结果表明，该模型对边坡稳定性的分析精 度较高，应用DE—BP神经网络进行建筑工程边坡稳定性分析是可行和高效的。 关键词 神经网络 差异演化算法 稳定性 分析 0 引言 层型前向神经网络 (输入层、中间层、输出层)。本 目前对于边坡稳定性分析采用的方法有变分法 、 文采用三层结构网络，结构图见图1。其输入层包含 固定模式搜索法 、数学规划方法、随机搜索方法、遗 n个结点，中间层为P个结点 ，输出层为m个结点。 传算法等。文献 [1]、文献 [2]对应用于边坡稳定 分析领域的各种优化方法进行了综合评述 ，每种方法 都有 自身的优缺点和适用条件 ，而且在实际应用中具 有搜索性的明显差异。 传统的基于圆弧滑动面的计算边坡稳定性的分析 方法如黄金分割法、坐标轮换法、二分法等，虽在工 程实际中得到广泛应用 ，但因方法的局限性，容易陷 入局部极小值。近几年来 ，出现的人工智能如遗传算 法、BP神经网络法等，由于其适合求解优化 问题 的 图 1 三层 BP神经 网络结构图 最优解而得到了很快的发展 。 BP神经网络的训练结果将生成4个矩阵： BP神经网络有 良好的非线性逼近能力，具有较 ①输入层到中间层的权值矩阵 高的预测精度，得到了广泛的应用 。但 BP神经网 络法 自身存在着不足 。为此，国内外学者提出了将 遗传算法 (GeneticAlgorithm，GA)等演化算法与 BP W = 神经网络相结合的混合算法。差异演化算法 (Differ- entialEvolution，DE)是近几年发展起来的一种相对 较新的演化算法 ，在函数优化领域表现突出 。本文 ②中间层到输出层的权值矩阵 尝试在 BP神经网络预测模型中引入差异演化算法， 构造DE—BP神经网络预测模型，利用实际工程进行 V = 预测研究，并与BP、GA—BP神经网络模型分析结果 进行对 比，以期 为边坡稳定性分 析提供一 种新 的 途径 。 ③中间层的阈值矩阵 1 DE—BP神经网络预测模型 1．1 边坡安全系数的确定 T = 安全系数的计算采用文献 [8]的公式 ∑ {cib(1一Fuw+ b。]tan~p} F = —— 生——————————————— —————一 ④输出层阈值矩阵S ∑[( 细061)sin + ] S = (1) 式中 F 为边坡安全系数；mai：c。s ； 1．3 DE算法 =pgbh为 宽度为 b的土条的重力，kN／m。 1．3．1 种群初始化 1．2 BP神经网络模型