基于神经网络的盐渍土抗剪强度综合影响因素研究.pdfVIP

基于神经网络的盐渍土抗剪强度 综合影响因素研究 颜强 薛明 黄彭 同济大学道路与交通工程系，上海，200092 摘要：苎煎圭壁圣的翻楚是盐渍土地区坌整璺选的主要病害之一，翻浆是在水和各种盐份以及交通 荷或综合作用下而导致抗剪强度降低的结果。本文通过盐渍土抗剪强度综合影响因素的正交回归试 验，并运用人工神经网络(NN)模型分析了盐渍土抗剪强度与各种影响因素的非线性关系，为盐渍 土路基的墅鏊些鎏提供了基础数据。 关键词：盐渍土抗剪强度神经网络翻浆 1．前言 本文研究的重点就是针对盐渍土路基翻浆问题，对于氯盐渍：E，当含盐量在一定范围内时，不仅 可加重冻胀，也可加重翻浆，这是因为氯盐渍土不仅聚冰多，而且液、塑限低，蒸发缓慢，当含盐量更 多时，也凶不冻结或减少冻结而不翻浆或减轻翻浆。而硫酸盐渍土，在降低冰点方面，其作用和氯 盐渍土类似，因此，也可加重翻浆，但不如氯盐渍：上显著，但春融时结晶硫酸钠脱水可起到加重翻 浆的作用。 而盐渍土抗剪强度是一个很重要的力学指标，它应用于估算地基承载力、评价路基稳定性等方 面。但盐渍土抗剪强度是一个很复杂的指标，它与土的颗粒组成、矿物成分、粘粒含量、含水量、 密实度以及含盐量有关。但显然，盐渍土抗剪强度与其影响因素不是简单的线性关系，而是高度的 非线性关系，即使采用正交回归数据处理方法而得到的多元二i次回归模型，其相关性也难以令人满 意。因此，本文决定采用神经网络模型来建立盐渍士抗剪强度与其影响因素的关系，通过盐渍士进 行抗剪强度的室内试验研究，以找出影响盐渍土抗剪强度的主要因素及其影响规律。并用试验数据 评估模型的精度。 2．神经网络模型 神经网络模型是以人工智能为其理论基础，模仿人的大脑的思维方式：大量的简单神经7i经过 复杂的刚络结构而形成的一种高度复杂、非线性、并行处理的信息处理系统。它将非线性系统看成 个“黑箱”，采用系统辨识的方法，不去分析其内部的反映机理，而只是研究对象主要控制变量和 输出变量之间的相互关系，并且用一个超曲面来描述从P维欧氏空间(输入变量)到q维欧氏空间 (输出变最)之间的非线性映射关系。 多层删络町以解决非线性问题这一结论早已有了，但由于有隐层后学习比较困难，限制r多层 别络的发展，BP算法促使多层网络的研究重新得到重视，BP算法中有两种信号在流通： …工作信号(用实线表示)，它是施加输入信号后向前传播直到在输出端产生实际输出的信号， 是输入和权值的函数。 (2)误差信号(用虚线表示)，网络实际输出与应有输出问的差值即为误差，它由输出端开始逐层 向后传播。 关于多层前馈网络学习的反向传播(或称BP)算法详见参考文献3，限于篇幅，本文从略。 3．正交回归试验设计 考虑到影响盐渍}抗剪强度的因素很多，本文仪考虑土中所含盐类、所含盐量的大小、含水量 的大小以及密实度等儿个方面。其他指标如：土的颗粒组成、矿物成分、粘粒含量等指标不予考虑， I矧为 k1．土样确定，这些指标就已经确定。而土中所含盐类、所含盐量的大小、含水量的大小以及 319 密实度等却会因为土中水盐的迁移变化I面变化。但即便如此，假定各崮索至少有4、5个水、F。如采 用传统的全析因试验，则至少需要5％625次试验。而这在实际操作中无疑非常困难，吲此，本丈决 定采用正交回归实验。 正交实验是利用规格化的正交表，恰当地设计出实验方案和有效地分析实验结果，提出嘏优方 案和工艺条件，并进而设计出可能更优秀的实验方案的一种科学方法。同归分析足从分析科学实验 中获得的大量数据入手，找出蕴藏在这些数据中并反映他们之间内部规律——经验公式或近似函数。 正交回归试验法是将试验安排，数据处理，回归方程的建立以及精度检验统～起来想．便集中 了“正交实验”与“回归分析”两者的优点，这样既可以减少试验次数，又简化了计算。 本文试验因素水平如表1，考虑到造成翻浆的时候含水量一般超过10％，所以，本次试验的试 件含水量设计值最小为10％。试验设计及试验结果分别如表1、表2。 正交回归试验因素水平表