基于自适应神经模糊推理系统边坡变形预测模型.docVIP

基于自适应神经模糊推理系统边坡变形预测模型 　　摘要：利用自适应神经模糊推理系统(ANFIS)处理非线性关系的强大能力，将其应用于边坡变形预测。发现建立的ANFIS模型预测精度远高于灰色模型。最后用工程实例与灰色模型进行了对比，结果表明，ANFIS模型优于灰色模型，特别是在模拟多输入变量、高维数下边坡变形预测问题时有着独特的优势，具有一定的推广应用价值。 　　Abstract: To compensate the Defect of the Growth model and the Artificial Neural Network Model which are the most commonly used method to Settlement Prediction of Soft Clay Roadbed, Proposed to adaptive neuro-fuzzy inference system (ANFIS) applied to soft Clay Roadbed settlement prediction. ANFIS put the fuzzy reasoning process of the expert inherent in the neural network structure, So, The neural network nodes and the weights have a clear physical meaning, and avoid the black box through the working process of Neural Network. At the same time that the system can used the least square method and gradient descent algorithm for the Combination of mixed, Both with the self-adaptive and learning ability of a neural network, but also overcome its disadvantages such as the local minimum, The prediction accuracy is also much higher than the growth curve model. They are applied to the calculation for examples, the result showed that the ANFIS model has great theoretic significance and practical value in preventing roadbed sink and guaranteeing the road behavior in practice. 　　 　　关键词：边坡工程; ANFIS模型; 变形预测 　　Key words: Road engineering;ANFIS model;Soft clay roadbed;Settlement prediction 　　中图分类号：K826.16 文献标识码：A 文章编号 　　 　　中图分类号：文献标识码：文章编号： 　　0 引言 　　 现代建（构）筑物建设中，经常会碰到许多高填深挖的边坡问题，边坡失效往往会给工程建设造成难以弥补的损失。边坡失效一般是从边坡变形开始的，控制边坡变形是边坡设计中的重要环节。但现有计算理论计算出的边坡变形往往与实测变形有较大差别，这与现状条件，特别是工程地质情况的模糊性、工程施工的不确定性等因素密切相关。于是，通过一定的方法进行边坡变形预测显得尤为重要。 　　 现有边坡变形预测方法很多，现代计算机技术的飞速发展为进行准确高效的边坡变形预测提供了契机。近年来比较热门的应用计算机技术进行边坡变形预测的是智能分析方法，该方法也在实践中得到了广泛的应用，产生了一定的实用价值。目前,边坡变形的智能预测方法主要有灰色理论、指数平滑技术、BP神经网络等[1-5]。选择何种方法进行变形预测，何种方法进行变形预测效果较好，是实际应用中的一个难题。上述这些方法虽然取得了一定的效果，但在具体的操作过程中也存在很多缺点，比如BP神经网络训练时易陷入局部极小值、具有“黑盒”性、最佳隐层数需试算等缺点，灰色理论和指数平滑技术等预测结果也于实测结果存在一定的、甚至较大的误差。而相比于其他预测方法，自适应神经模糊推理系统（ANFIS）[6]结合了模糊推理与神经网络的优点，使ANFIS具有强大的处理非线性事件的能力。在此基