基于人工神经网络的软土路基沉降预测.pdfVIP

第43卷第27期山西建筑Vol.43No.27

•8•2017年9月SHANXIARCHITECTURESep.2017

文章编号：1009-6825(2017)27-08-03

基于人工神经网络的软土路基沉降预测

王浩

(山西省公路局长治分局，山西长治046011)

摘要:为分析路基的沉降变形规律,采用人工神经网络对软基路基的沉降进行了预测，通过Matlab建立了人工神经网络模型，同

时与实际检测结果对比验证模型的准确性，对比结果表明该方法具有较高精度。

关键词:路堤沉降,人工神经网络，软基路堤，预测方法,特殊地区道路

中图分类号:U416.1文献标识码:A

〇引言因此，本文以人工神经网络为技术手段，通过现有软土路基

的沉降观测数据为训练样本训练神经网络，通过训练完成的人工

近年我国公路建设发展迅速，在软土地基上修筑的公路日趋

神经网络实现了软基路堤的沉降预测。

增加。软土的工程特性（易压缩、高含水率、强透水能力、固结变

形所需时间长）导致在软土路堤沉降变形难以预测。软土路堤沉1人工神经网络模型

降变形过程变化复杂，影响因素众多，主要影响因素包括土体的1.1影响因素选取

基本性质（含水率、孔隙比、压实度等）、荷载、沉降时间、填土软土路基沉降变形受众多因素影响，如土体的基本性质（含

高度。水率、孔隙比、压实度等）、沉降时间、填土高度。因此，本文选取

目前软土路基沉降预测的方法主要包括经验公式法、灰色理路基含水率、压实度、沉降时间和填土高度作为输人样本，设计

论法、有限元计算等。经验公式法[1_3]是拟合实测沉降曲线来预4个输人神经元。本文研究路堤的沉降规律，因此将每个时段的

测曲线的未知部分，这种方法对沉降的预测需要实测数据作为依路基沉降量作为神经网络的输出结果。

据，不具有普遍性。灰色理论法[4是将相似路段一定时间内观为了满足使用人工神经网络激活函数取值范围的条件，同时

测沉降总量认为是白色单元,将待预测路基各个时间段内的沉降减少不同数量级数据对精度的影响，在神经网络训练之前应该对

总量认为是灰色单元，通过数据的灰色处理获取沉降发展规律，数据进行归一化处理，对应的对结果应该采取反归一化处理。

进而预测软土路基在每个时间段内的沉降变化量和最终沉降量，MATLAB中已经提供了对应的语言进行处理，本文中样本归一化

这种方法无法充分考虑不同影响因素对路基沉降的影响。有限采用语言如下：

元计算[7_9]是通过有限元软件依据路堤的尺寸、材料、边界条件等[Pn,minP,maxP]=premnmx(P)输人输出样本的归一化；

信息建立有限元模型计算路堤沉降，然而现阶段的有限元计算尚[An]=tramnmx(A,minA,maxA)预测样本的归~■化；

不成熟，很难充分考虑各种因素对沉降结果的影响，因此计算结A=postmnmx(An,minP,ma