基于BP神经网络r马尔科夫链模型的隧道围岩位移预测 - 长江科学院院报.PDFVIP

　 第３０卷第３期 长　江　科　学　院　院　报 Ｖｏｌ．３０　Ｎｏ．３　　 　　２０１３年 ３月 ＪｏｕｒｎａｌｏｆＹａｎｇｔｚｅＲｉｖｅｒＳｃｉｅｎｔｉｆｉｃＲｅｓｅａｒｃｈＩｎｓｔｉｔｕｔｅ Ｍａｒ．２０１３　 　 　　ＤＯＩ：１０．３９６９／ｊ．ｉｓｓｎ．１００１－５４８５．２０１３．０３．００９ ２０１３，３０（０３）：４０－４３，５５ 基于 ＢＰ神经网络 －马尔科夫链模型的 隧道围岩位移预测 龙　浩，高　睿，孔德新，刘　鹏 （武汉大学 土木建筑工程学院，武汉　４３００７２） 摘要：在隧道工程施工中，围岩位移预测起着很重要的作用。将ＢＰ神经网络－马尔科夫链模型引入到隧道围岩位 移预测中来，通过对训练样本的学习，利用ＢＰ神经网络实现了对位移时间序列的滚动预测，同时得到了实测值与 预测值的相对误差；在此基础上利用马尔科夫链对相对误差进行修正，有效地提高了预测结果的精度。并将该模 型应用于某公路隧道拱顶下沉位移时序预测中，结果表明该模型具有精度高、科学可靠的特点，为隧道围岩变形的 预测提供了新的途径。 关　键　词：位移预测；ＢＰ神经网络；马尔科夫链；隧道围岩 中图分类号：ＴＵ４５　　　文献标志码：Ａ　　　文章编号：１００１－５４８５（２０１３）０３－００４０－０４ 更好地发现和模拟隧道围岩位移时间序列的内在规 律，本文将综合２种预测方法的ＢＰ神经网络 －马 １　研究背景 尔科夫链预测模型（ＢＰ－ＭＣ）引入到隧道围岩位移 预测中来，并将该预测模型应用于鹰嘴岩隧道拱顶 隧道工程由于受开挖方法、地质条件以及支护 时机、方法等诸多因素的影响，受力特点极其复杂， 下沉位移预测研究中，结果表明该模型预测精度高 其围岩的位移变形在多因素的共同作用下具有一定 并且求解快捷，在工程实践中具有一定的推广应用 ［１］ 价值。 的随机波动特征 。现场监测虽然可以获得隧道 围岩即时的变形特点，但是其耗费的人力物力较大， 且耗时长。因此，变形预测在隧道设计和施工中发 ２　ＢＰ－ＭＣ预测模型构建 挥了重要的作用。随着计算机技术的发展，许多智 能预测方法被用到变形预测当中来，如回归分析、灰 ２．１　ＢＰ神经网络预测模型 色理论、数据平滑处理、时间序列分析等［２－３］。这些 ＢＰ神经网络对非线性预测来说是一个强有力的 方法各有其优缺点，如回归模型的优点是模型简单， 工具，从理论上讲，一个３层的ＢＰ网络能够在保证精 容易确定参数，但其需要的原始数据比其他方法要 ［７］ 度的情况下实现对任意连续函数的逼近 ，其结构见 多，导致计算量大；灰色模型则具有需要原始数据较 图１。对于非连续函数来说，如果隐含层包含足够多 少的优点，对于短期内的预测精度较高，但远期预测 的结点，也可以实现逼近。因此，ＢＰ神经网络可以用 ［４］ 有失真的趋势，故难以进行长期预测 。 ［８］ 来建立高度非线性的围岩位移时程模型 。 ＢＰ（ＢａｃｋＰｒｏｐａｇａｔｉｏｎ）神经网络是一种按分层 ［５］ 传播的前馈型网络结构 ，由于其能准确描述输入