基于优化神经网络模型的隧道变形预测研究.pdfVIP

四川建筑科学研究 第40卷 第 1期 l72 SichuanBuildingScience 2014年 2月 基于优化神经网络模型的隧道变形预测研究 崔凌岳 (中铁十八局集团第一工程有限公司，河北 涿州 072750) 摘 要：神经网络预测技术一直是隧道学术界和工程界关注的关键课题。传统的神经网络对初始权值的依赖性很 大，不同的初始值会导致差异很大的预测结果 ，并且初始值选择有很大的随机性和盲 目性，往往导致网络振荡或不 收敛。根据经典遗传算法的优势，对神经网络初始值进行优化，完成 PB训练样本并建立非线性预测模型，避免了 神经网络对初始权值的依赖性过大而引起计算误差。研究表明，GA-BP神经网络遗传算法适用于预测高速公路隧 道断层破碎带围岩变形量，与现场试验数据相吻合，验证了GA-BP神经网络遗传算法工程应用的可行性，提高了预 测的精度及避免人为误差。隧道洞周变形主要集中在开挖后 12天，在此时间内应加强监控量测频率，以避免隧道 过大变形引起坍方事故。 关键词 ：隧道工程；神经网络；遗传算法；预测；优化 中图分类号：TU91；U45 文献标志码：A 文章编号：1008—1933(2014)01—172—04 Studyonpredictionoftunneldeformationbasedon optimal neuralnetwork CUILin~cue (ThefirstEngineeringCo．，Ltd．ofChinaRailway18thBureauGroup，Zhuozhou 072750，China) Abstract：Predictionofneuralnetworkhasbeenacontemporarykeyscientificproblem intunnelacademiaandengineering．Traditional neuralnetworkdependsonweightinitialization．Differentweightinitializationmayleadtovariousforecastresults．Inaddition，thereare greatrandom andblindnessforchoiceofinitialvalue．Itwouldresultinoscillation andnon·convergenceofrnetwork．Accordingto classicsuperiorityofgeneticalgorithm ，initialvalueofneuralnetworkisoptimized．Trainingsampleisdealtwithandnonlinearmodelof forestwasperformed．Itwouldavoid excessivedependenceofweightinitializationandinducingcalculationerror．Theresearchresults suggestthatGA·BPneural networkbefittoforecastofdeformationofhighwaytunnelin faultfracturezone．Thedataprediction is accordabletothatoffieldmonitoring．Itdemonstratesfeasibilityofengineeringapplicationofrneuralnetworkbasedonoptimizationof geneticalgorithm．Themethodcouldimprovepredictionprecisionandavoidpersonalerror．Mostoftunneldefomr ationappearsafter12 daysrfom excavation．Monitoring