ANN发展及其在深基坑工程中应用.docVIP

ANN发展及其在深基坑工程中应用 　　摘要：由于深基坑工程中的问题的复杂性，在已知量与未知量之间存在很强的非线性关系，这种非线性关系通过人工神经网络可以很好地映射。近几年来，基于人工神经网络的方法在深基坑工程中得到了广泛的应用。本文对ANN在基坑工程中的应用研究进行了综述，并对其发展方向进行了分析。 　　关键词：深基坑工程；人工神经网络；支护结构 　　中图分类号：Tu473 　　文献标识码：A 　　 　　随着城市现代化进程的加快，地下工程规模日渐扩大，深基坑工程无论在数量上还是在规模上都有大幅度提高。深基坑工程是一个十分庞大的极其复杂的非线性系统，它既涉及土力学中最典型的强度、稳定和变形问题，同时还涉及土与支护结构的共同作用、水文地质与地下水控制、施工组织设计等问题。由于人工神经网络(Artificial Neural Net-works，简写成ANN)能简单模拟人脑神经元工作的部分机理，具有自适应性、非线性、学习功能及容错性强等特点，特别适合于处理各种非线性问题，因而在深基坑工程的研究中得到了广泛的应用。本文拟就ANN在深基坑工程中的应用进行一番探讨。 　　 　　1　人工神经网络理论研究的发展简介 　　 　　人工神经网络是以工程技术手段来模拟人脑神经元网络的结构与特征的系统。利用人工神经元可以构成各种不同拓扑结构的神经网络，它是生物神经网络的一种模拟和近似。在人工神经网络中，前馈型神经网络是目前人工神经网络中应用最广泛也是发展最为成熟的一种网络模型，其网络结构如同1所示，神经元分层排列，有输入层、隐层(亦称中间层)和输出层。各层神经元、各层之间通过不同的权重连接，权重的大小反映互连神经元之间相互影响的形式与大小。在输入层输入各初始参数后，输出层的输出值即为网络对这些输入参数的响应，也即所需的结构。图1所示的网络其本质上是建立输入层各参数到输出层各参数的映射，从而反映这些输入参数对输出的影响形式和幅度，进而反映输入参数与输出结构之问的本质联系。 　　 　　 　　2　人工神经网络理论研究的发展简介 　　 　　1943年，美国神经生理学家Warren Mcculloch和数??家Walter Pitts在文章“A Logical Calculus of I-deas Immanent in Nervous Activity”中，第一次提出了神经元数学模型，拉开了人工神经网络发展的序幕。1949年，心理学家Donald Hebb在其所著书《The Organization of Behavior》中第一次将学习功能引入神经网络系统，他所提出的Hebb学习规则在神经网络模型研究中一直起着重要的作用。1957年。Frank Rosenblatt提出的感知器模型(Perceptron)，被认为是最早的神经网络模型。1959年，Bernard Widrow和Marvin Hoff开发出一种称为自适应单元(Ada-line)的网络模型，网络通过Marvin-Hoff学习算法训练后，成功地应用于抵消通信中的回波和躁声，也可用于天气预报，是第一个用于实际问题的神经网络模型。由于这些有识之士的工作及对神经网络的宣传，激起了更多人的兴趣投入到这一领域，形成了ANN研究的第一次高潮。 　　1969年，Marvin Minsky和Seymour Papert在他们合著的书《Perceptron》中，分析了简单的感知器，指出了它的局限性，即对于非线形问题，甚至简单的“异或”问题都无能为力。由此引起了对神经网络批评的高涨，使得ANN的研究陷入了低潮。直到1982年，John Hopfield对神经网络进行了严格的数学分析，揭示了其工作机理，并且用他提出的模型从失真的和不完善的数据图形中获得完整的数据图形，引起了人们的关注，致使ANN的研究开始复苏，并在近20年中得到了飞速的发展。 　　尽管神经网络的研究才刚刚起步，它已在广泛的领域中得到了应用。如信号处理与模式识别、专家系统、机器人控制、邮政通讯、图像处理、语音识别等领域。近几年来，在工程力学领域已有人引入ANN来解决问题，如基于BP网络的混凝土本构关系模型，力学领域中非线形动态系统的识别，振动控制中的状态估计，结构破坏形式估计，以及结构分析和可行性设计等等。 　　 　　3　ANN在深基坑工程中的应用 　　 　　ANN应用到基坑工程研究的时间较晚。Gob等(1995)用ANN成功地预测了基坑支护中地下连续墙的侧向位移。在国内土木工程界，李立新(1997)在基坑的非线形位移反分析中应用了ANN，率先将ANN引入到用于解决深基坑工程中的种种问题。此后，许多专家学者开始意识到ANN解决深基坑工程问题的有效性和实用性，纷纷开展了这方面的研究工作。ANN在深基坑工程中的应用越