人工神经网络在路堤沉降预测中应用.pdfVIP

人工神经网络在路堤沉降预测中的应用 张留俊1 冯 炜2黄晓明1 (1．东南大学 南京210096；2．天津城建设计院天津市300051) 摘要本文以人工神经网络法为主，研究了多因素条件下的沉降预测问题，同时与浅岗 法和S型曲线法这2种在近几年推广应用的预测方法进行了对比，对有关技术问题进行了探 讨。 关键词软土地基沉降预测人工神经网络浅岗法S曲线 ofArtificialNeuralNetworkstoEmbankmentSettlementPrediction Application ZHANG FENGweiHUANG Liu-jtm Xiao—miI唱 沉降与稳定是公路建设最关心的2个问题。过大的沉降将造成桥头跳车，影响行车速 度和行车安全，这是多年来困扰公路建设的一个难题。路堤稳定性控制主要在施工期，一 般情况下只要控制好填土速率，加强施工期间的稳定性监测，就能够有效地保证路堤与地 基的稳定。 我国在没有修建高速公路时，一般公路上的车速都较低，路堤沉降带来的问题并不突出， 人们也没有太多地关注它，当时人们主要关心路堤的稳定性。高速公路一开始修建，沉降问题 就引起关注。早在京津塘高速公路修建前期，交通部“六五”攻关项目“利用经济可行的办法进 行软基处治的研究”就提出了软基路堤工后沉降的控制标准uJ。后来编写的《公路软土地基路 堤设计与施工技术规范》(JTJ 许工后沉降的标准。因此可以说，高速公路的修建使路堤由稳定控制转为稳定和沉降变形共 同控制，显然，沉降观测和沉降预测成为一项十分重要的工作。 本文以人工神经网络法为主探讨沉降预测的问题，并与s型曲线法和浅岗法预测的结果 进行对比分析，取得较为理想的效果。 1神经网络预测 1．1神经网络建模 版本)进行了沉降预测的程序编制b“J。 神经网络结构的建立是程序编制的关键。网络结构的构造包括确定输入输出层的神经元 个数，中间层数及其神经元个数，有关理论可参考文献[5]和[6]。1989年，Robert 证明一个S型隐含层加上一个线性输出层的BP网络，能够逼近任何在闭区间内的一个连续有 理函数，一个3层的BP网络可以完成空间任意的从m维到rg维的映射，并且可以通过调整隐 391 含层神经元的个数来提高网络的精度，故所编程序采用3层神经网络。 影响软土地基沉降的因素很多，对这些因素的考虑决定了预测的精度。这里选取4个主 要影响因素，即时间、填土高度、地基处理层厚度和地基综合压缩模量，作为网络的4个输人参 数进行训练和预测，故网络输入层为4个神经元，程序的输出量只有1个，即地基沉降量，故输 出层为1个神经元。根据相关经验公式，本程序进行了反复试算，通过对网络收敛速度和误差 变化情况的比较，最后确定神经网络中间层取5个神经元。至此，程序建立了3层BP神经网 络，输入层有4个神经元(时间、填土高度、地基处理层厚度和综合压缩模量)，中间层有5个神 经元，输出层为1个神经元(地基沉降量)。网络结构见图1。 沉降量 输入层 ． 中间层 输出层 图1神经网络模型 程序由神经网络训练、神经网络测试和神经网络预测3 部分组成，网络预测模型见图2。程序运行时给出网络的动 态训练过程，可以显示网络训练的误差变化曲线，能够直观 了解网络的训练质量，并能及时发现问题做出处理。 1．2算法的改进 嚣 针对BP神经网络存在的收敛速度慢，目标函数存在局婴 部极小等缺点，本程序做了如下改进： 雾 (1)提高网络的范化能力。为了提高所建神经网络的 范化(generalization)能,力，程序采用贝叶斯正则化方法，通过 MATLAB工具箱中trai