BP神经网络在路面模量反分析中的应用.pdfVIP

第 33卷，第 5期 公 路 工 程 Vo1．33，No．5 2008年 10月 HighwayEngineering Oct．，2008 BP神经网络在路面模量反分析中的应用 孙晓立 ，黄立葵 (1．华南理工大学 土木工程系，广东 广州 510640； 2．湖南大学 土木工程学院，湖南 长沙 410082) [摘 要]使用 MATLAB神经网络工具箱研究 了BP神经网络在路面模量反分析 中的应用。研究结果表明， 只要合理的处理输入和输出参数，利用 BP神经网络可以较好的预测路面各层的弹性模量 ，并且相对于其他分析方 法，该方法运算速度非常快，适合于实际工程中应用。 [关键词]落锤式弯沉仪；神经网络；反分析 [中图分类号]TU473 [文献标识码]A [文章编号】1002～1205(2008)05—0077—05 StudyoftheInverseAnalysisofPavementLayersM oduli byBP NeuralNetwork SUN Xiaoli’ HUANG Likui ， (1．DepartmentofGeotechnicalEngineering，Guangzhou，Guangdong510640，China； 2．Collegeof CivilEngineering，HunanUniversity，Changsha，Hunan410082，China) [Abstract]ThispaperdiscusstheapplicationofBPneuralnetworkinthebackcalculationofpave- mentlayermoduliwithMATLAB tools．TheresultofstudyshowsthatBP neuralnetworkcangivethe goodresultsifthereasonableinputoroutputfactorscanbegiven ．Comparedwithotherinverseanalysis methods，thecomputationspeedcanbeacceleratedgreatlybyusingneuralnetwork． [Keywords]fallingweightdeflectometer；neuralnetwork；inverseanalysis 随着路 面检测技术 的发展，落锤式弯沉仪 实际工程中应用。 (FWD)在我国公路工程的应用 日益广泛。FWD可 1 神经网络基本原理及应用 以采集到大量数据，如何利用这些数据来反算路面 结构层的模量 已成为道路工程界研究的热点．我 国 1．1 神经网络基本原理 路面反分析方面的研究 已经取得一定 的理论成果 ， BP网络 的结构见图 1，由输入层、隐层、输出层 提出了不少模量反算的理论和方法，如唐伯 明的连 组成 。图中每个神经元用一个圆圈表示，旁边为输 续迭代法 ，王凯的阻尼最小二乘法 ，王旭东的灵敏度 出值 。每一层 的每个神经元与下一层的每个神经元 矩阵分析法等 。这些方法都极大的丰富了路面反分 联结，联结权为 ff， 。其基本思想是网络的实际 析方面的研究。然而当前路面结构模量反算方法大 多采用迭代法使理论弯沉盆和实测弯沉盆相吻合 ， 迭代方法受模量初值的影响，且收敛速度慢…。在 实际路面无破损检测 中常要求较快的反算速度 。为 此 ，可以使用神经 网络 的方法对路面结构进行反分 析。 目前在工程上应用最广泛 的是前向型神