基于BP神经网络的大跨软岩隧道地表沉降预测.pdfVIP

第42卷第12期山西建筑V01．42No．12

·148·2016年4月SHANXIARCHITECTUREApr．2016

文章编号：1009．6825(2016)12—0148·03

基于BP神经网络的大跨软岩隧道地表沉降预测

彭丽娟陈福成

(1．西安海棠职业学院，陕西西安710038；2．陕西飞虹桥梁勘测设计研究有限公司，陕西西安710038)

摘要：基于金盆湾隧道地表沉降监测数据，结合BP神经网络预测模型，分析了隧道施工对地表沉降的影响，研究了在不同的样

本下预测结果的可信度，结果表明，BP神经网络预测的地表沉降精度与监测数据的准确度、预测的长度与隧道施工方案相关，隧

道开挖工艺发生改变时，应及时分析实时监测数据，建立新的BP神经网络预测模型进行地表沉降预测，以保障预测结果的可靠。

关键词：BP神经网络，大跨软岩隧道，地表沉降，预测精度

中图分类号：U456文献标识码：A

0引言(outputlayer)和隐层(hiddenlayer)；其中，隐层可为一层或多层。

隧道施工过程中，地表沉降可以在隧道开挖影响范围之外开图1为一个包含一层隐层的BP神经网络结构。

始监控量测；且其测量过程不受现场施工环境干扰。因此，地表IOi

沉降数据能够很好地表达隧道施工过程中围岩变形的时空效应，

O2

已成为隧道建设过程中必不可少的监测项目。然而，与隧道拱顶2

沉降等监测项目一样，地表沉降观测数据只反映既有工程已发生rJ

的变形趋势和变形规律，并不能满足预测的需要，通过一种有效

的预测手段，结合既有的监测数据，预测隧道施工过程中未知的

沉降及变形，为优化施工方案提供技术参考。图1BP神经网络结构

鉴于其良好的非线性拟合能力和预测功能，BP神经网络预BP神经网络算法步骤如下：

测模型已广泛应用于隧道开挖施工过程中的变形预测。1)网络初始化：给定(一1，1)区间内的随机数，设定误差函数

周志广…将BP神经网络应用于沈阳地铁一号线重启区间隧e，计算精度s的值和最大训练次数。

道地面沉降位移的预测之中，并验证了其有效性。杨茜采用改2)随机选取第k个输入样本以及相应的期望输出。

进的BP神经网络预测方法，预测了隧道的长期沉降。冯宝俊(k)=(。(k)，：(k)，…，(k))(1)

等将ANSYS有限元软件和BP神经网络相结合，提出了隧道拱d(k)=(d(k)，d：(k)，…，d(k))(2)

。

顶沉降预测的新方法。龙浩等将BP神经网络一马尔科夫链模

3)计算隐含层各神经元的输入和输出。

型引入到某公路隧道拱顶下沉位移预测之中。亦有学者将BP神

()=l