基于进化神经网络的单桩承载力预测模型研究.pdfVIP

第42卷第24期山西建筑Vol.42No.24

2016年8月SHANXIARCHITECTUREAug.2016•75•

文章编号：1009-6825(2016)24-0075-02

基于进化神经网络的单桩承载力预测模型研究

杨爱新

(山西二建集团有限公司，山西太原030013)

摘要:将收集到的单桩承载力实测数据样本作为网络模型的学习训练样本，建立了基于进化神经网络的单桩承载力预测模型,

并通过检测样本对预测模型的外推能力进行了检测，证明了预测模型有较好的外推预测能力。

关键词:神经网络，遗传算法，单桩承载力，预测模型

中图分类号:TU473.il文献标识码:A

目前应用于单桩承载能力的现场测定方法分为两种类型:一型的输人和输出个数以2…为各隐含层神经元个数;疋为权

类为静荷载试验，即传统的最可靠但费时费力且成本昂贵的力值矩阵。这样，用BP神经网络映射关系，则可表示为:/(幻=

法。该方法直观可靠,但是从机理上讲实际上是将桩身结构的承

载力和地基对桩的支承力这两个因素合为一体予以体现,它虽然进化神经网络算法是先进行网络权值和结构参数的全局优

反映了单桩的承载能力，但对进一步改进桩基的研究设计起到的化，然后再使用BP神经网络进行局部优化。其流程框图见图1。

作用并不大;另一方面，该方法对高吨位的基桩承载力的测定往1_2进化神经网络算法的基本步骤

往是难以实现的。单桩承载能力测定的第二类方法为动测法，它1)BP神经网络结构参数的遗传算法进化。对于进化神经网

是运用动力理论和桩土结构的边界条件而建立的。络算法的结构参数的优化，它是从随机产生的结构参数开始，遗

单桩承载力的确定或者预测，是一个复杂的非线性问题，运传算法通常有复制、交叉、变异等算法操作，并且通过这些操作形

用目前相关力学理论,从机理上去定量求解，由于假设条件的限成一个循环。每一级循环中权值矩阵是不参与操作的，因而对各

制，其精确度有一定的误差。可以从非线性寻优求解的角度去解结构参数组个体的适应性评价不能实时进行。

决单桩承载力的确定，即不考虑单桩承载力的机理，只考虑单桩

承载力和其影响因素之间的非线性关系，只要确定了它们之间的结构参数进化

^it^

非线性关系，那么就解决了单桩承载力确定和预测的问题。|_组模型结构*数{nA,,以2—1,|一适应值

1进化神经网络算法分析

目前神经网络算法理论已经较成熟，对于处理非线性问题应

用广泛，在神经网络算法中BP神经网络是目前使用最多的一种BPNN[n,nh!,k,nh2,ki,\?]

网络算法。BP算法采用的是误差梯度下降算法，这种算法对于|按BP网络连接机制求取权值信息(