BP神经网络在边坡稳定性评价中的应用.pdfVIP

BP 神经网络在边坡稳定性评价中的应用 张学喜，王国体，张明 合肥工业大学土木建筑工程学院，安徽合肥（ 230009 ） E-mail ：zhangxx5262400@ 摘 要：针对边坡稳定性问题的复杂性，建立了边坡稳定性BP 神经网络模型，并给出了算 法步骤，实例表明了用BP 神经网络评价边坡稳定性是可行的，有效的。 关键词：边坡，BP 神经网络，稳定性评价 中图分类号：TU457 1 引言 边坡稳定性问题一直是岩土工程的一个重要研究内容，边坡稳定性的分析、评价及其发 展趋势的预报都具有重要的工程实际意义，而边坡稳定性评价结果的正确与否直接关系到边 坡工程的成败[1,2] [3] 。工程中边坡稳定性分析的方法主要有极限平衡法和数值分析方法 ，由于 边坡系统是一个开放复杂系统，稳定性受地质因素和工程因素等的综合影响[4]，故上述方法 评价的结果与实际情况仍有差距。这些都要求边坡岩体稳定性分析方法应当具有同时处理确 定性和不确定性信息的动态非线性的能力，在大量已有的边坡工程实例的基础上，客观的识 别出边坡的稳定状态[4] 。人工神经网络（ANN ）是一种非线性动力学系统，具有较强的非线 性映射能力，可以对现有的工程经验进行自我学习，并将学习的结果存储在神经元的阈值和 连接权中，当有新的工程实例输入时，网络将利用其非线性映射能力，给出启发式的推断结 果[2] 。本文采用人工神经网络模型的一种——BP 神经网络，建立了边坡稳定性评价模型， 结合工程实例，说明了这种评价方法的有效性。 2 BP 神经网络模型 BP 神经网络是采用误差反传算法（Error Back Propagation 简称 BP 算法）的前馈型网络， 是多层前向网络的典型代表，通常由输入层、若干隐层和输出层组成，可以解决预测，分类， 优化等问题。已经证明：具有 n 个输入神经元、2n+1 个隐层神经元和 m 个输出神经元的前 [5] 。BP 神经网络的这种函数拟合功能， 向三层神经网络可以以任何精度逼近任何连续函数 就是它在边坡稳定性评价中应用的理论依据。 BP 神经网络的学习过程包括工作信号的正向传播和误差信号的反向传播。正向传播时， 工作信号作用于输入层，经隐层处理，传向输出层，若输出层未得到期望输出，则转入误差 信号的反向传播，通过修改各层神经元的权值和阈值，使得网络全局误差最小[5，6] 。BP 算 法的原理示意图，如图 1 所示。 -1- x1 权值修正 阈值修正 x2 误差 j x3 工作信号正向传播 误差信号反向传播 h