隧道围岩应力时序的神经网络预测模型.PDFVIP

2006年4月 重庆大学学报(自然科学版) Apr．2006 第29卷第4期 Journal of Chongqing University(Natural Science Edition) V01．29 No．4 文章编号：1000—582X(2006)04-0077—03 隧道围岩应力时序的神经网络预测模型 任 松 ，姜德义 ，蒋再文2，刘新荣 ’ (I．重庆大学西南资源开发及环境灾害控制工程教育部重点实验室，重庆 400030； 2．重庆高速公路发展公司东南分公司，重庆 400O6O；3．重庆大学土木工程学院，重庆 400030) 摘 要：围岩应力是影响隧道稳定性的根本因素，掌握隧道围岩应力的变化发展趋势，是准确判断 隧道稳定性的前提．针对隧道围岩应力变化难以准确预测的问题，作者在分析了隧道围岩应力变化规律 和主要影响因素的基础上，采用BP神经网络建立了隧道围岩应力时序的神经网络预测模型．模型在綦 万高速公路观音岩隧道施工中成功应用，结果表明采用神经网络预测隧道围岩应力时序是可行的，其使 用简便，预测准确． 关键词：隧道；围岩应力；神经网络；预测模型 中图分类号：U45 文献标识码：A 为了确保隧道施工的安全，必须对隧道围岩稳定 或多层隐含推理层、一层输出层组成(如图1)．其中输 性进行准确判断．判断隧道围岩稳定性的参数很多，如 入层的单元数由输人参数的个数决定，中间推理层的 围岩变形量、围岩应力等．隧道开挖后，围岩应力将重 选择一般用2m+l原理…来确定，m为输入层单元 新分布，逐渐建立新的应力平衡，应力是影响围岩稳定 数．如果隐含推理层单元个数太少，将导致网络不收 性的根本原因．因此，在隧道工程施工过程中进行围岩 敛；个数太多将使训练过度，浪费资源． 应力监测，可以有效地获得围岩稳定性控制所需的关 输入层 隐古推理层 输出层 键性宏观信息．对围岩应力变化进行科学的预测预报， 是隧道工程最大限度地实现安全性和经济性统一的 关键． 隧道围岩应力变化是一个连续变化，逐渐收敛的 过程，这一过程是复杂的非线性动态系统，利用传统的 方法和技术很难揭示其内在的规律。近十几年发展起 圈1 BP神经网络模型 来的神经网络理论，模拟人脑的一些基本特性，具有自 文中BP神经网络处理单元传递函数选择Sigmoid 组织、自适应、容错性等特点，适用于处理信息十分复 函数 ]，即 )=1／(1+e )．网络的学习过程如下： 杂、背景知识不清楚、推理规则不明确的问题．因此，利 1)给一个[一1，1]区间内的随机数初始化神经 用神经网络十分强大的非线性映射能力，对高度复杂 网络的所有连接权重和阈值． 和高度非线性的隧道围岩应力变化进行直接建模，具 2)输入学习样本，计算隐含推理层各单元的 有很强的客观性和适应性． 输出． 1 BP神经网络基本原理及实现 = ∑ Xi一 ， (1) 神经网络有许多种模型，作者采用BP神经网络 B = Aj)．(．『=1，2，…，凡) (2) 进行模拟分析．BP神经网络一般由一层输入层、一层 式(1)一式(2)中：m为输入层单元数；凡为隐含推理 · 收稿日期：2005一l2一l6 基金项目：国家自然科学基金重点资助项目 作者简介：任松(1975一)，男，四川营山人，重庆大学讲师，博士，主要从事岩土工程力学研究． 78 重庆大学学报(自然科学版) 2006生 层单元数；