人工神经元网络在公路隧道支护设计中的应用夏永旭裘军良（长安大学公路.pdfVIP

人工神经元网络在公路隧道支护设计中的应用 夏永旭 裘军良 （长安大学公路学院，西安，710064 ） 摘 要： 利用人工神经元网络在处理公路隧道支护设计中的优势，选取有代表性的公路隧道支护设计工 程实例，提取特征参数，归一化处理后，形成神经网络训练样本库。利用 MATLAB 程序设计语 言编制 BP 神经网络可执行程序，经过训练，得到稳定的神经网络。应用神经网络进行工程实 例预测，通过比较分析，证明人工神经元网络在公路隧道支护设计中的可行性和可靠性。 关键词： BP 神经网络；公路隧道；支护设计；预测。 公路隧道工程支护设计的基本特点是“地质环境复杂，基础信息匮乏”，设计者必须考 虑大量的、关系错综复杂的、无法精确定量的地质因素、工程因素、施工因素等。因此，设 计人员的综合性经验判断能力非常重要，并且在相当长的时期内，很难从根本上改变支护设 计以经验判断为主的现状。人工神经元网络技术，可以处理一些环境信息十分复杂，知识背 景不清楚和推理规则不明确的问题，对处理公路隧道设计这样大量不确定因素的问题，有着 明显的优势。本文主要探讨应用人工神经元网络技术进行公路隧道支护设计的可行性，试图 为公路隧道的设计开辟一条新的途径。 1. 人工神经元网络原理及 BP 算法 人工神经元网络（Artificial Neural Network ，简称ANN ）又称神经元网络、神经网络， 它是人们通过模拟生物神经系统，在计算机上实现的一种复杂网络，是现代科技发展的新技 术，它具有并行运行、容错、自适宜、自学习及集体运算等特点。Rumelhalt[1]等人于 1986 年提出的三层 BP 神经网络，其模型如图 1 所示。它由输入层、隐含层、输出层组成，它是 一单向传播的网络，每一层的神经元只接受来自前一层神经元的信号，而同一层各神经元之 间没有任何联系。通过反向传播，调整权值，使输入和输出之间具有较好的映射作用。 反 向 传 播 X 1 Y 1 X 2 Y 2 X Y n m 输 入 层 隐 层 输 出 层 图 1 三层BP 神经网络结构图 BP 算法的基本思想是，其学习过程由信号的正向传播与误差的反向传播两个过程组成。 正向传播时，模式作用于输入层，经隐含层处理后，传向输出层。如输出层未能满足预期的 输出要求，则转入误差的反向传播阶段，将输出误差按某种子形式，通过隐层向输入层逐层 1 返回，并“分摊”给各层的所有单元，从而获得各层单元的参考误差或称误差信号，以作为 修改各单元权值的依据。这种信号正向传播与误差反向传播的各层权矩阵的修改过程，是周 而复始进行的。权值不断修改的过程，也就是网络不断学习（训练）的过程。此过程一直进 行到网络输出的误差逐渐减少到可接受的程度或达到设定的学习次数为止。因此，BP 算法 原理归纳起来为：模式顺传播—误差逆传播—记忆训练—学习收敛。 2. 人工神经元网络在公路隧道支护设计中的优越性 人工神经元网络在处理公路隧道围岩判别和支护设计问题中的优越性非常明显，主要表 现以下方面： （1）考虑了公路隧道设计问题中的定性的描述信息（岩石等级、风化程度、受地质构 造影响程度、节理发育程度、地下水状况等 ），且数量不受限制； （2 ）进行参数处理和预测的精度可进行人工调整； （3 ）减少获取参数的费用和工作量； （4 ）应用的数据可以是不完善的、有误差的； （5 ）应用所涉及的范围内，已积累了大量历史性的数据和样本