遗传神经网络预测路基沉降.ppt

遗传神经网络预测路基沉降 一 概述 二 人工神经网络 人工神经网络结构图 反向传播网络 激励函数和适应度函数 三 遗传算法 选择 交叉 变异 遗传算法流程图 四、遗传神经网络工程应用 模型介绍 五 结论 * 一、概述二、人工神经网络三、遗传算法四、遗传神经网络工程应用五、总结 利用人工神经网络能够处理大量信息能力的优势和遗传算法具有全局优化搜索的特点结合起来，形成基于遗传算法的人工神经网络，称之为遗传神经网络。这样的人工神经网络避免了在学习过程中陷入局部最优解。把它用于岩土工程领域，通过监测数据来训练遗传神经网络以获得网络神经元的连接权值。获得满意的权值后，就可以用遗传神经网络来计算高等级公路地基沉降，具有较高的工程实用价值。  人工神经网络（Artificial Neural Network），一种模拟人的大脑功能信息处理系统。ANN的操作有两种过程，一是训练学习；二是正常操作。训练时，把要教给网络的信息作为网络的输入，使网络按照某种规则（或称训练算法）调节各个处理单元的连接权值。当各连接权值调节好，网络训练完成，就可以进行正常操作，就是对训练好的网络输入一个信号，它就可以正确回忆出响应输出。 model  反向传播网络（Back Propagation Network，简称BP网络），BP算法是由两部分组成：信息的正向传递与误差的反向传播。在正向传递过程中，输入信息从输入层经隐含层逐层计算传向输出层，每一层的神经元的输出作为下一层神经元的输入。如果输出层没有得到期望的输出，则计算输出层的误差变化值，然后转向反向传播，通过网络将误差信号沿原来的连接通路反传回来修改各层神经元的权值直至达到期望目标。 在本研究中，激励函数采用非线性的广义Sigmoid函数，其关系式为： 适应度函数为：  遗传算法(Genetic Algorithms，简称GA)是建立在自然选择和自然遗传学机理基础上的迭代自适应概率性搜索算法。是一种模仿生物进化过程的最优化方法，它模拟了自然选择和自然遗传过程中发生的繁殖、交换、变异现象，它根据适者生存、优胜劣汰的自然法则利用遗传算子:选择、交叉、变异逐代产生、优选个体，最终搜索到较优的个体。具有不需要求梯度、能得到全局最优解、算法简单、可并行处理等优点。 本文路基模型如图，通过离散化，把计算土层分成二十层，每米一层,也就是说计算深度为20米，与常规的地基沉降计算深度相符合，每层土体上的参数可根据实际情况进行调整，这样就需要局部变量：压缩模量、孔隙比、渗透系数、塑性指数各二十个，再加上四个全局变量：路堤厚度、桩长、地下水位深度、渗透系数，总共有84个参数需要考虑。我们认为这些参数与地基沉降之间存在着一种确定的映射关系，表示成： model * * * * *