用BP网络预估强夯加固软土地基的效果.PDFVIP

第２４卷　第１期　　　　　　　　　　　　　 桂 林 工 学 院 学 报 　　　　　　　　　　　　Ｖｏｌ．２４ Ｎｏ．１ ２００４年 １月　　　　　　　　　ＪＯＵＲＮＡＬＯＦＧＵＩＬＩＮＩＮＳＴＩＴＵＴＥＯＦＴＥＣＨＮＯＬＯＧＹ　　　　　　　　Ｊａｎ２００４  文章编号：１００６－５４４Ｘ（２００４）０１－００５９－０４ 用 ＢＰ网络预估强夯加固软土地基的效果 郭培玺，孙刚臣，陈先华，肖明贵 （桂林工学院土木工程系，广西 桂林　５４１００４） 摘　要：针对强夯加固效果评价方法的不完善性和影响因素的非线性，应用改进的ＢＰ网络 算法，建立了ＢＰ网络预估模型，对软土地基的强夯加固效果进行预估，并以收集到的工程 实例数据加以检验．结果表明，模型的输出和实际值之间的误差为±４８％，能够满足工程 需要． 关键词：强夯法；软土地基；ＢＰ网络；效果预估 中图分类号：ＴＵ４７２３１；ＴＰ１８３　　　　　　 　文献标识码：Ａ① 　　软土地基因其含水量大、渗透性低、灵敏度 法是一种迭代算法，其基本原理可以简单的描述 高，且受到扰动后，强度不易恢复，强夯法对软 为：从输入节点输入 （影响因素）向量，经隐含 土地基的适用性及加固效果仍有争议［１－４］．在工 层处理后，由输出结点输出得到的网络计算值 程实践中，在大面积施工前，往往进行试夯，以 （加固效果），将输入向量和期望输出相比较，如 确定最佳的施工工艺．但是，场地多具不均匀性， 果计算输出和期望输出之间的误差可以接受，则 场地的土质条件以及施工设计的调整都会影响到 学习结束；否则，进入误差的反向传播过程，将 软土地基的加固效果．文献 ［５－１１］在大量工程 二者的误差由网络输出层向输入层反向传播，在 实践的基础上，从不同的角度提出了多种针对软 土地基的强夯加固理论．总的来说，这些理论还 反向传播的过程中，修改各层神经元之间的权值 有以下问题：对加固程度的评价相对较少；影响 及神经元的阀值［１５－１６］． 强夯的因素较多，并且具有高度的非线性，而目 ２　ＢＰ算法的改进 前多以图表或一些具体的数字表达式对加固深度 进行评估，不可避免的要做出某些假设和简化， 　　标准ＢＰ算法实质上是一种简单的最速下降静 并或多或少的加入一些经验系数，影响结果的准 态寻优算法，在修正 Ｗ（Ｋ）时，只是按照Ｋ时刻 确性． 的负梯度方式进行修正，而没有考虑到以前积累 　　人工神经网络 （ＡＮＮ）具有极大的非线性、 的经验，即以前时刻的梯度方向，从而常常使学 大规模并行处理能力，特别适用于处理需要同时 习过程发生振荡，收敛缓慢．此外，标准的ＢＰ网 考虑许多因素和条件的、不精确的和模糊的信息． 络还有以下缺点： 本文以一工程实例建立 ＡＮＮ模型来预估加固效 　　 （１）ＢＰ学习算法采用梯度下降法进行学习， 果，可弥补传统加固理论的不足． 容易陷入局部极小值，ＢＰ算法所求的解不是全局 １　ＢＰ网络的基本原理及算法［１２－１４］ 最优解； 　　目前，比较成熟并且在工程中应用最为广泛 　　 （２）隐层和隐节点的个数的确定尚无理论上 的是ＢＰ（ＢａｃｋＰｒｏｐａｇａｔｉｏｎ）网络模型，ＢＰ学习算 的指导； ① 收稿日期：２００３－０３－１８ 作者简介：郭培玺 （１９７９－），男，硕士研究生，防灾减灾工程与防护工程专业． ６０ 桂　林　工　学　院　学　报　　　　　　　　　　　　　　　２００４年 　　 （３）要求所有的实例输入向量的维数相同， Ｌ－Ｍ算法的权值调整率为