二手房屋买卖合同,房产合同,律师365合同范本大全.docVIP

预测钢筋混凝土预制桩竖向极限承载力的自适应神经模糊推理方法研究 张志军1,2，丁德馨2，饶 龙1,2，毕忠伟1,2 (1. 南华大学 建筑工程与资源环境学院，湖南 衡阳 421001；2. 中南大学 资源与安全技术学院，湖南 长沙 410083) 摘要：传统的钢筋混凝土预制桩极限承载力预测方法，难以考虑单桩极限承载力影响因素的模糊性和相互作用关系。预测单桩极限承载力的人工神经网络方法则存在着收敛速度慢、过程难以重复等缺点。为此，本文提出并建立了预测钢筋混凝土预制桩极限承载力的自适应神经模糊推理方法。文中收集了上海某地区的41例钢筋混凝土预制桩，利用其中37例的实测数据建立了预测单桩极限承载力的ANFIS模型，利用另外的4例检验了模型的预测性能。研究结果表明，所建立的ANFIS方法具有收敛速度快、预测精度高、训练过程具有可重复性等优点，是一种优异的钢筋混凝土预制桩极限承载力预测方法。 关键词：极限承载力；人工神经网络；自适应神经模糊推理系统 1 引 言 桩基础以具有耗材少、施工简便、承载力高、稳定性好、沉降量小而均匀等优点，在高层建筑、桥梁工程等领域得到了广泛应用[1~3]。在设计桩基础中，单桩极限承载力是一个不可缺少的设计参数。它是单桩在竖向外荷载作用下不丧失稳定性也不产生过大沉降时所能承受的最大竖向荷载，它不仅取决于桩的材料强度和土对桩的支承力（包括桩侧摩阻力和桩端土承载力），而且还受到诸如桩长、桩径、桩的截面形状和尺寸以及入土深度等因素的影响。这些影响因素具有模糊性且相互作用，因此采用传统方法（如静载荷试验、高应变试桩、理论分析及经验公式等）来确定单桩极限承载力时，由于无法考虑这些因素的模糊性及相互作用关系，使得所确定的单桩极限承载力往往出现较大偏差。因此，寻求一种能考虑这些因素相互作用关系的单桩极限承载力的预测方法，已成为桩基工程领域的重要课题[3,4]。 近年来，许多学者试图将人工神经网络(ANN)[5]应用于预测单桩极限承载力[4,6]。但是，ANN自身所存在的诸如需进行多次训练学习才有可能得到较好的预测结果以及训练过程难以重复等缺点[7]，都不同程度地阻碍了这种方法的推广应用。由此，本文提出并建立了预测单桩极限承载力的自适应神经模糊推理方法，并对其进行了检验。结果表明，该方法具有收敛速度快、预测精度高、训练结果可靠且重复性好等优点，是一种优异的预测单桩极限承载力的方法。 2 自适应神经模糊推理系统简介 ANN具有学习功能，而模糊逻辑推理具有处理模糊语言信息的能力，并可模拟人脑的判断和决策功能。因此，将ANN和模糊逻辑推理有机结合，构成神经-模糊系统，是当前颇受关注的研究方向。自适应神经模糊推理系统（ANFIS）正是基于这种思想而诞生的[8]。它属于Sugeno型模糊系统，由前件和后件构成，其典型的模糊规则形式为： 如果 是，且 是 ，则 其中 和 是前件中的模糊集合，而是后件中的精确函数。通常是输入变量 和 的多项式。如果是一阶多项式时，所产生的模糊推理系统即为一阶Sugeno模糊模型。 图1所示为一阶Sugeno模糊模型的模糊推理过程，它有两个输入 和，一个输出，因此具有两条“”模糊规则： 是 是 是 是 此外，ANFIS还将模糊系统的模糊化、模糊推理和反模糊化三个基本过程全部用ANN来实现，并利用ANN的学习机制自动地从输入输出数据中提取规则，使得它既具备ANN自适应学习的功能，又具备描述模糊逻辑和处理模糊信息、进行判断和决策的功能，尤其是对残缺不全或模糊随机的不确定信息具有较强的容错能力。它与ANN的不同之处在于后者用权值来描述系统，而它则用自适应推理所得出的“”模糊语言规则来描述系统。因此，它使系统朝着自适应、自学习的方向发展，是一类新型的自适应网络。 图1 一阶Sugeno模糊系统的推理过程 Fig.1 The inference procedure of one-order Sugeno fuzzy system 3 单桩极限承载力预测的自适应神经模糊推理方法 3.1 概述 单桩极限承载力与其影响因素之间必然存在着某种非线性映射关系，其中某些影响因素的模糊性又使得这种映射关系也具有一定的模糊性。因此，如何建立这种带有一定模糊性的非线性映射关系是建立单桩极限承载力预测方法的关键。ANFIS具有描述模糊逻辑、处理模糊信息、进行判断和决策的功能，它在岩土工程领域已得到了应用[9,10]，因此，用它来描述和建立这种带有一定模糊性的非线性映射关系是非常合适的。这种基于ANFIS的非线性映射关系一经确定，即可根据单桩的各种参数预测其极限承载力。因此，建立单桩极限承载力预测的自适应神经模糊推理方法的思路是： 1）首先根据大量已有单桩实例，将其桩长、桩径、入