基于神经网络的桩基承载力预测.pdfVIP

第４５卷第９期山西建筑Ｖｏｌ．４５Ｎｏ．９

２０１９年３月Ｍａｒ．２０１９·６３·

ＳＨＡＮＸＩＡＲＣＨＩＴＥＣＴＵＲＥ

１００９６８２５（２０１９）０９００６３０２

文章编号：

基于神经网络的桩基承载力预测

路利民

（河北工程大学土木工程学院，河北邯郸０５６０３８）

摘要：承载力是桩基工程中非常重要的参数，结合工程案例应用ＭＡＴＬＡＢ软件，基于主成分分析法和径向基神经网络对桩基承

载力进行了拟合、预测，和实测结果相比较，预测结果令人满意。

关键词：桩基，承载力，神经网络

中图分类号：ＴＵ４７３．１文献标识码：Ａ

桩基由于对环境影响小、质量可靠等多方面的优点，近年来４）求解主成分。利用式（３）求解各主成分。

在工程中得到了迅速推广。桩的极限承载力是工程人员关注的Ｅ＝Ｂ×Ｄ（３）

重要性能指标之一。目前，现场载荷实验可以准确测定单桩的极其中，Ｄ为各特征值对应的特征向量。

限承载力，但是该实验费用高，时间长，试桩数量有限。因此，寻２径向基神经网络（ＲＢＦ）

找一种简单高效的方法来预测桩基承载力意义重大。

神经网络是一个复杂的网络系统，可以将其理解为一个“黑

目前众多学者将神经网络应用于桩基承载力预测并取得了

［１，２］盒子”，它包括大量简单的处理单元，这些处理单元通过特定的方

一些有益的成果。然而，由于土体性质的复杂性，影响桩基承

式相互连接，形成了一个可以模仿人脑结构和功能的系统。径向

载力的因素很多，各因素所占的比重也是随时间、空间等多种因

基神经网络是由Ｌｏｖｅ和Ｂｒｏｍｈｅａｄ依据径向基函数可以在多维空

素的不断变化而变化的。过多的参数固然可以更加准确的反映

间进行插值这一特性而提出的一种全新的神经网络。

桩基承载力和各因素间的关系，但不可避免的是，参数过多将造

相对于经典的ＢＰ神经网络收敛速度慢，容易陷入局部极小

成神经网络结构复杂。

值的缺点，ＲＢＦ神经网络学习时间短，计算量小，局部逼近性能优

主成分分析法是一种多变量统计方法，其目的在于对原始数

据进行降维，用较少的几个综合指标（即主成分）来代表原始数良等特点，使其得到了广泛应用。径向基网络结构如图１所示。

据。因此本文利用主成分分析法和径向基神经网络两者的优势，

对桩基进行承载力预测。

１主成分分析法

主成分分析法也就是主分量分析法，它利用降维思想，将各

种指标转化为信息损失较小的多个综合指标，每个主成分都是原

始变量的线性组合。而且各主成分不相关，这使得主成分相比原

始变量有更加优越的性能，从而提高分析效率。主成分分析法的

主要步骤为：

１）原始数据归一化。