改进的BP神经网络在砂土液化评价中应用.pdfVIP

改进的BP神经网络在砂土液化评价中的应用 ·235· 改进的BP神经网络在砂土液化评价中的应用 刘 娟，沙月进 (东南大学交通学院，南京210096) 摘要：本文在改进的神经网络BP算法的基础上，利用VB算法下的神经网络模块对某地区的砂土液化进行 了神经网络预测并建立模型。并／t1：2液化评价为例，分析了神经网络在土质方面应用的可行性和应用性，提出 了一种新的评价方法。 关键词：神经网络；BP算法；砂土液化 作者简介：刘娟(1983一)，女，东南大学研究生，从事测绘工程方面研究。 0 引 言 1人工BP神经网络 砂土液化是地震和震动引起的最显著的灾害 由于VB是最常用，也是最简单的工具，因此 形式之一，也是造成地基失稳的主要原因之一，不 神经网络工具主要是在VB软件下进行开发。主 论砂土部分液化或完全液化都可能对建筑物产生 要将数据分为三层来处理：输入层，隐含层和输出 破坏。近年来随着我国经济的飞速发展，基础设 层。模型结构见图1，网络有输入层节点，输出层 施尤其是城市地铁、高速公路的不断兴建，对砂性 节点，而且有隐含层节点(隐含层可以是一层或多 土地基的要求越来越高。因此，快速、准确地分析 层)。对于输入信号，要先向前传播到隐含节点， 和判别饱和砂土在振动作用下是否液化及危害性 经过激活函数后，再把隐含节点的输出信息传播 也就变得更加重要[1|。 到输出节点，最后给出输出结果。节点的激活通 影响砂土液化的因素有很多，归纳起来有三 常选取标准Sigmoid型函数。 大类：一类是动荷条件，一类是埋藏条件，另一类 ／／广一7…／广一一]误差反传／ ：误差反传 是土性条件[2]。这些因素具有复杂性、多样性和 非线性的特点，很难提出准确的判别公式，特别是 输 期望输出 入 很难考虑多方面的因素。因砂土液化评价涉及各 向 向量 量 (导师信号) 种地质信息等勘察数据资料，它们几乎都是以工 程图纸或数据表的形式存在的离散性数据。砂土 输入层第一隐层 第二隐层 输出层 液化评判方法主要有《建筑抗震设计规范》(GB 图l BP神经网络结构示意图 50011—2001)中的规范法、概率法和动剪应力法 等，而这些评价方法在应用过程中存在明显的 由于神经网络BP算法存在着下列三个缺点： 缺陷Ⅲ。 在某些权初值的条件下，算法的结果会由于误差 BP神经网络是模拟人脑生物神经网络机制 的小改变造成不少局部最小点；学习算法的收敛 而形成的一个并行和分布式的信息处理网络结 速度较慢；隐含层节点个数的选取尚无统一而完 构。它是由许多并行分布且能自学习的神经元通 整的理论指导。 过相互连接而成，可以在比较理想的精度内逼近 针对这些缺点的改进，主要是设置最大循环 非线性映射规律，能客观地表达输入与输出间的