基于模糊神经网络盾构施工引起地表沉陷预测研究.pdfVIP

基于模糊神经网络盾构施工引起地表沉陷预测 ofShield GroundSurfaceSettlement Forecasting Netork with Neural TunnelingFuzzy 张孟喜周 淮涂敏 (上海大学土木工程系，上海，200072) 摘要：用模糊系统与神经网络相结合的方法建立了盾构施工引起地面沉陷的预测模型。根据上 海地铁二号线的地表沉降的实测资料，综合考虑各种因素，建立了ANFIS模糊神经网帑的网络预 测模型。用ANFIS模糊神经网络、混合pi—sigma模糊神经网络和一般的BP神经网络得到预测结 果以及用传统的Peck经验公式计算的结果与实测结果进行比较，对模型的有效性进行评价。通过 实例验证，ANFIS模糊神经网络在预测盾构施工引起的地面沉陷方面具有一定的应用价值。 美键词：盾构法地面沉陷模糊系统神经网络 l 引言 人工神经网络目前在国内外的研究相当活跃，并已经提出了不少的模型和算法，这是由 于神经网络的特点在于信息的分布式存储和并行协同处理能力。此外，它还具有很强的容错 程变形预测问题上，其主要原因就是人工神经网络模型不具有对产生变形的不确切因素的数 据和模糊信息进行处理的能力，而实际上影响地下工程动态设计、施工和变形预报的因素复 杂…，且多为不确切和模糊性的，故很有必要对这一问题加以考虑，本文在现有神经网络模 型的基础上加入对模糊信息的处理能力。模糊神经网络理论为解决这一问题提供了一种崭新 的途径。 2基于模糊神经网络的地面沉降预测模型 目前关于地下问题的预测大体上可以分为两类：①利用已知数据，建立各参数之间的 非线性关系；②利用前一时期数据来预测后 一阶段系统的状况。前者是函数逼近问题， 物理意义 后者是时间序列预测问题。这两类问题虽然 都可以用神经网络加以解决，但是神经网络 的训练时间长且结果不稳定，所以本文用模 糊理论结合神经网络对盾构施工引起的地 面沉降进行预测。 2．1输入、输出层的设计 根据变形预测问题的性质，神经网络预 测模型的输出层节点变量是未来变形值的大 小，而对于输入层节点变量，根据收集数据 基于模糊神经网络盾构施工引起地表沉陷预测 291 的不同有多种情况。本文的思路是按照输入层节点变量只有变形值，而没有施工纪录参数， 由此建立了一个由输入量和输出量均为位移(变形值)的预测模型一这种方法是把变形当作一 个反映盾构施工过程和地层信息的综合物理量。 由于隧道施工的特殊性，盾构施工对任何一个测点的土体扰动时间都是“短暂”的，而 不是持续作用的，只有当盾构通过测点的扰动范围内，该测点处才能记录到地层的变形，随 着盾构向前推进，离测点越来越远，该测点处的变形逐渐趋于稳定。因此本文建立了～个由 6个输入单元和1个输出单元的网络结构，输入输出变量的物理意义如表1所示。 2．2数据的预处理 样本为81x6大小，即有6个