模糊神经网络在山区自然坡失稳预报中的应用.pdfVIP

第23卷第3期 模糊系统与数学 V01．23．No．3 andMathematics 2009年6月 FuzzySystems Jun．，2009 文章编号：1001—7402(2009)03—0170—05 模糊神经网络在山区自然坡失稳预报中的应用’ 李文秀，刘琳 (河北大学岩土工程研究所，河北保定071002) 摘要：将模糊理论和神经网络相结合，建立基于模糊神经系统的白然坡失稳预测模型——模糊神经 网络(FANN)方法，并针对我国湖北宜昌部西磷矿开采引起上部自然坡失稳的可能性进行了具体计算 分析． 关键词：模糊系统；人工神经网络；自然坡f预报 中图分类号：0159；TD325文献标识码：A 随着科学技术的不断发展，模糊数学和神经网络理论的有机结合，为解决工程技术问题开辟了新的 途径。近年来，模糊数学及人工神经网络在工程分析中已有部分应用n．8]。本文将神经网络和模糊技术 两者结合在一起，并以鄂西某磷矿地下开采引起上部自然坡失稳变形位移实测资料为例建立一种模糊 神经网络(FANN)预测模型，用以实现山区地下矿藏开采自然坡失稳的科学预测。 1 模糊神经系统基本原理 根据已有的研究，对于多输入单输出模糊逻辑系统，在此可以给出以下模糊规则‘2．3]： IF then 规则1： zl为All，…，颤为An’…，z。为A。ly为y1； IF then 规则2： zl为A1z，…，zf为A圮，…，厶为A。2y为y2； IF 规则m： z1为41。，…，Xi为Ah，…，而为A。then y为弧． 其中xi(i=1，2’．．·，n)为输入变量，凡为模糊集合，Y是输出变量，Yi(j=l，2，…，m)为一实数。 对于给定的输入向量X=(z，，z：，…，磊)，可求出每条规则的适用程度为： 一=,uA．@1)A…^心(磊) (1) 根据已有的研究结果，此处可采用重心法求出输出量的精确值为： Y2∑竹×∞／∑肟 (2) 』=1 j=l 根据以上模糊原理所建立的模糊神经网络结构如图1所示。 由图1可见，该模糊神经网络结构共有四层，第一层为输入节点，代表输入变量；第二层为模糊 化层，为输入节点的隶属度；第三层为推理层；第四层为输出层。此模型属于前馈型网络结构，结构清 晰，每层推导有较明显的物理意义。实际上，该模糊神经网络结构的学习过程就是对隶属度函数和yi的 调整，常用的隶属函数有Gauss函数、三角形函数和梯形函数。本文采用以下Gauss函数作为隶属函数。 ·收橹日期：2008—02—28；修订日期：2008—05—21 基金项目：河北省科学技术研究与发展指导计划项目(072156142)；河北省教育厅指令科研项目(2007415) 作者简介：李文秀(1954·)，男，河北大学岩土工程研究所教授，研究方向：应用数学。岩土力学等． 第3期 李文秀，刘琳等：模糊神经网络在山区自然坡失稳预报中的应用 171 ‰c砧expI--(寻)2] (3) 利用上述模糊神经N络(FANN)预测模型，即可模拟和预测具体的工程实际问题。 图l模糊神经网络结构 2，模糊神经网络(FANN)法实施过程 (j，一弘)2，把Y的计算值代入得：