用人工神经网络预测高速公路软土地基的最终沉降.pdf

用人工神经网络预测高速公路 软土地基的最终沉降 一 l 型重壁 (广东工业大学，广东 广州 510500) 摘要：采用人工神经网络较强的非线性映射能力和学习能力，提 出基于人工神经网络的高速心路软土地基最终沉降量 的预刹新方法。本方法利用妾测资料直接建模，避免了传统方法计算过程 中各种人为目素的干扰，所建立的模型预刹 精度高、简便 易行，因而具有广泛的工程妾用价值。 关键词：人工神经网络；误差逆传播学习；软土地基；最终沉降量 两连 略 款 方汪 中围分类号：U416．10J 文献标识码：A Pmdi~ionofFinalSettlementsofSoftGroundforExpresswaybyUsingArtificialNeuralNetworks uU (GuangdongIndustrialUniversity．Gl1a目d0ng GIIIuIg7~ll 510500．China) Ab曲 ：Anewmethodforevaluatingfinalsettlementofsoft dfor pres yispresentedinthistmper，bvuseofthest1ong nonlinearmappingandlearningabilityof artificialileuralnetworks Sincethemodel0fthismethodisdirectlybased 帅【realsarrlDles，it canavoidthemistakesduetofacfifiotmt~essm traditionalmethods．Itisprovedthatthepredictionmodelisaccurateandeasytooperate． s0themethodhaswidelypracticalen~eeringvalue． KevVVOrds：ArtificialI】eura【newtorks；Errorback—propagation；Softg~und；Finalsettlement 以分层总和法最简便，但计算精度最差；T~,mOi的 0 引言 经典理论公式法虽物理概念清晰，但应用条件苛刻， 地基最终沉降量是指地基在外荷载作用下，地基 率定参数复杂，故应用最困难；而数值分析法理论上 表面最终变形稳定时的沉降量，它是建 (构)筑物稳 较严谨，其模量参数的取值是影响预测精度的关键 ， 定性设计的重要依据。软土在我国分布十分广泛，随 且对技术人员的素质要求较高，推广起来有一定的难 着经济建设的高速发展，在软土地区兴建的公路 日益 度；而经验公式法则基于地方经验，适应性差，都需 增多。通常，高等级公路路面的造价昂贵，技术标准 进一步发展。 高，对路基变形与稳定性的要求十分严格；而软土的 本文提出一种软土地基沉降计算的新方法——神 强度低，透水性差，压缩性大，灵敏度高，变形稳定 经网络法 人工神经网络 (简称 ANN)是人工智能 时间长，其工程特性为公路设计与施工带来许多困 领域较为活跃的一个重要分支，它试图模拟人脑的一 难。因此，软基沉降预测一直是岩土工程界关注的热 些基本特性 ，如 自组织、自适应、容错性等 该方法 点问题。 在处理非线性问题上，具有其独特的优越性。本文充 常用的计算地基沉降量的方法主要有：分层总和 分运用 ANN较强的非映射能力，利用实测资料来对 法、理论公式法、数值分析法和经验公式法等。其中 复杂的非线性的土工结构进行