基于BP人工神经网络的路基压实度预测模型研究.pdfVIP

基于BP人工神经网络的路基压实度预测模型研究 杨学超 ，何彩平 (1．兰州交通大学 土木工程学院，甘肃 兰州 730070；2．山西路桥第二工程有限公司，山西 临汾 041051) 摘 要 ： 在大量路基碾压实验的基础上，通过对 BP人工神经网络的分析 ，建立 了路基压实度预测 神经网络模型，并利用 MATLAB环境下的神经网络工具箱开发 了相应的程序．预测结果表明，该模 型程序具有学习能力强、预测精度较高、快速方便等特点．这项研究为路基碾压施工工程 中土的压实 度预测研究提供 了新的研究思路． 关键词： 路基 ；碾压 ；压实度；神经 网络 ；预测 中图分类号： TP183 文献标志码 ： A 文章编号：1004—0366(2011)03—0132—04 PredictionModelofSubgradeCompactionBasedonBPArtificialNeuralNetwork YANG Xue-chao ，HE Cai-ping~ (1．SchoolofCivilEngineering，LanzhouJiaotongUniversity，Lanzhou730070，China； 2．TheSecondEngineeringCompanyofShanxiRoadsandBridges，Linfen04~051，China) Abstract： Basedonalargenumberofsubgraderollingexperiments，throughaneuralnetworkmodelof roadbedcompactionprediction isestablished，andthecorrespondingprogramsaredevelopedwiththehelp oftheneuralnetworktoolboxofMATLAB．Predictionresultsshow thatthemodelprogramsarehighin learningabilities，quickandconvenientinprediction．Ithasalsopavedanew wayforthepredictionofsoil compactionduringtheconstructionprocessofsubgradecrushes． Keywords： subgrade；rollingcompaction；degreeofcompaction；neuralnetwork；prediction 在道路工程 中非常重视对路基的合理压实与压 基本思想是从仿生学的角度对人脑进行模拟，使机 实度检测，压实度作为一项重要指标用于控制道路 器具有人脑那样的感知、学习、推理等智能[2]． 施工质量 ，评定工程标准、工程验收以及检查和判定 典型的BP网络是一种具有 3层或 3层 以上的 质量事故口]．传统压实度检验通常采取随机抽样 的 多神经网络．BP网络按有学习 目标 的方式进行学 方法，这些方法大部分是依靠人工操作，既花时间， 习．当为网络提供一对学习样本后 ，经过神经网络 内 费用也高 ，已经不能适应 当前公路建设 的需要．因 的一系列正向传播 ，得到网络的输出值 ，然后根据希 此 ，寻求一种快速、稳定、无损 的检验土压实度的方 望输出与网络的实际输 出间的误差按反向对 网络进 法已经刻不容缓． 行调节．这样 ，随着学 习过程的不断进行 ，网络 的实 际输出值也就逐渐逼近希望输出值．由于误差逆传 1 基于 BP网络的压实度预测模型 播及其算法增加了中间层 ，使其具有对非线性模式 1．1 BP人工神经网络 的识别能力，特别是其数学意义明确、步骤分明的学 人工神经 网络 ANN (ArtificialNeuralNet— 习算法，