神经网络在深基坑变形预测中的运用.docVIP

 PAGE \* MERGEFORMAT 7 神经网络在深基坑变形预测中 的运用 摘要：人工神经网络具有很强的非线性映射能力和高度的容错性，适合于处理那些模糊信息或不确定因素的知识,其推理方式类似于人类的思维方式,是处理不确定性、非线性和其它不确定问题的有利工具。而深基坑变形的影响因素是非常复杂的,深基坑变形与其影响因素之间的关系也是极为复杂的非线性关系。本文总结了近年来神经网络在深基坑变形预测中的运用，旨在对神经网络的智能预测有一个初步的了解。 关键词：神经网络；深基坑变形：预测；总结 引言 随着我们国家城市建设的不断发展,深基坑工程在数量和难度上都有大幅度的提高,这使得在深基坑工程中的事故频繁发生,给我国的经济造成了重大的损失。深基坑工程的实施工程中存在许多问题，而其中最大问题是开挖引起周围土体的变形,从而导致周围的建筑物和地下管线等设施的破坏[1]。目前,基坑设计时主要运用m法和有限元等两种常用的方法来进行变形估算,但理想模型与实际工况的差别、计算参数等都难以正确确定。受到这些不确定因素的影响,使得计算得到的变形值与实际变形量往往相差比较大。因此,寻求一种对基坑变形的一种有效预测方法是至关重要的。人工神经网络可以克服这些困境，它具有解决复杂的、不确定性的、非线性问题的能力,非常适合解决岩土工程问题。在基坑变形预测方面比常规方法有明显的优势[2]。 另外，深基坑开挖引起的围护结构变形是受到多种因素的影响,如围护结构方式、开挖方式、工程地质及水文地质条件等。围护结构的变形与它的每一个影响因素之间均存在着极其复杂的非线性关系,如何判断基坑变形的趋势对于施工自身安全和保护周边既有建(构)筑物的运营安全具有重要意义。而神经网络是一种高度自适应的非线性动力系统,通过神经网络学习可以得出输入与输出之间的高度非线性映射,能比较有效的预测基坑变形。相对于数值分析法、解析法等传统的岩土计算方法,神经网络在处理数据预测方面具有容错能力强、预测或识别速度快的优势, 避开了特征因素与判别目标的复杂关系描述,特别是公式的表 述[3]。国内外学者??神经网络在基坑工程中的运用进行了大量研究,将人工神经网络应用在基坑围护结构水平变形的预测中。研究表明,该法不仅可以综合考虑各种因素的影响,而且可以十分有效地处理常规方法难以解决的问题。利用人工神经网络理论对深基坑支护结构的变形量进行分析和预测,能够建立预测支护结构最大变形量的网络预测模型,表明神经网络系统有很高的预测精度,可应用于实际工程[4]。 1神经网络预测深基坑变形的优缺点 1.1神经网络简介 人工神经网络（Artificial Neural Networks，简写为ANNs）也简称为神经网络（NNs）或称作连接模型（Connection Model），它是一种模范动物神经网络行为特征，进行分布式并行信息处理的算法数学模型[5]。这种网络依靠系统的复杂程度，通过调整内部大量节点之间相互连接的关系，从而达到处理信息的目的。神经网络是采用物理可实现的器件或通过计算机来模拟人脑中神经网络的某些结构和功能，并反过来应用于工程及其他领域。 1.2神经网络的优点 神经网络由大量且简单的处理单元（神经元）广泛地相互连接形成复杂系统，具有很强的容错能力和学习能力。不需要任何数学模型，只依靠以往的经验来学习，其本身具有的自适应性，非线性和容错性等特点非常适合于处理模糊的，非线性的，含有噪声的数据。此外，人工神经网络具有很强的非线性映射能力和高度的容错性,模糊系统适合于表达处理那些模糊信息或不确定的知识,其推理方式较类似于人类的思维方式,是处理不确定性、非线性和其它不确定问题的有利工具。人工神经网络近几十年在土木工程领域内得到大力研究并取得重要进展, 已有大量的工程实例, 取得了广泛的应用成果。可用于预测、分类、模式识别、非线性回归和过程控制等各种数据处理的场合。且在大多情况下，其应用效果极大优于传统的数据处理方法。目前应用较多的是BP网络。 BP网络是通过将网络输出误差反馈回传(Back Propagation)对网络连接权进行修正以实现网络的映射功能。一个隐层的3层BP网络可以有效地逼近任意连续函数，这个3层BP网络包括输入层，隐层和输出层[6]。应用神经网络解决具体问题，包括四个基本步骤： (1)分析具体问题以确定合适的网络结构； (2)收集整理训练和测试样本； (3)将训练样本输入网络进行训练，并用测试样本检验网络性能； (4)将训练好的网络提供给用户用以解决实际问题。 在神经网络这种预测方法的研究领域，国内众多学者已经取得了不错的成绩。王旭东等以BP神经网络为基础，建立深基坑支护结构最大侧向位移的预测模型；袁金荣等利用BP神经网络建立了基坑沉降时间序列预测的神经网络模型；张小凌利用神经网络建立了深基