基于时序思想BP网络的地铁地表沉降预测论文.pdf

第42卷第20期山西建筑Vol.42No.20

•170•2016年7月SHANXIARCHITECTUREJul.2016

文章编号：1009-6825(2016)20-0170-03

基于时序思想BP网络的地铁地表沉降预测

郝飞

(四川省地质工程勘察院，四川成都610072)

摘要:将时间序列分析的思想与BP神经网络模型结合起来，预测了某城市地铁的地表沉降规律，并与时间序列分析、基于反演

理论BP神经网络分析的结果进行了比较，结果表明,基于时序思想BP神经网络模型具有很高的精度，能够为地铁沉降变形监测

提供参考依据。

关键词:神经网络，时间序列，预测模型，地表沉降

中图分类号:U456.3文献标识码:A

〇引言络模型如图1所示，其拓扑结构包括输人层（input)、隐层

(hidelayer)和输出层（outputlayer)[2]。

盾构工法是我国城市地铁修建中采用的主要工法。盾构施

误差反传(学习算法)

工会对土体产生扰动，其直接结果是引起土性的变异、地表隆起

与下沉等，使得地层产生各个方向上的位移。地层位移一方面直

接引起地下结构物的变位，影响其使用，当变位不均匀时结构物

中还会产生附加应力;另一方面，地层位移在地表引起沉降，这种

沉降往往是不均匀的，当不均匀沉降过大时就会对地面建筑物产

生影响，而由于地铁施工大多接近既有建筑物，因此对地表沉降注:图中的所有横线均代表向右的箭头，中间层可以有多层

的控制就显得尤其重要。图1BP神经网络模型示意图

目前，地表沉降预测方法主要包括理论分析、经验公式及智1_3基于时序思想BP神经网络预测模型的实现步

能预测方法。其中，理论分析法如随机介质理论、空间镜像理论骤[3]

等，经验公式如peck沉降槽公式等，智能分析方法如神经网络、粒1)建立网络。根据问题实际情况，选取输人层，中间层及

子群算法等，这些方法都有自己的优点，但缺点是模型一旦建立，输出层的维数。与普通神经网络不同的是，时序神经网络其

模型中的参数就保持不变，而由于地层是一种非常复杂的介质，输人维数为2维，即;c=(:^，;c2，,;c„),其中;c;=

使得这些方法对地表沉降的长期预测显得精度不够。时间序列(、。，气,,，…，气,，气,m)。2)检测阶段。将/V-1个数值序

分析可以建立起观测值之间的动态联系，但很多情况下要对观测列输人，通过前向过程得到1个输出结果，将该结果与目标值

值进行一定的处理，这限制了其应用范围。如果将时间序列分析比较，如果存在误差，立即反向传播过程，并修正网络权值。

的思想与智能算法中的神经网络结合起来，就可以规避时间序列3)预测阶段。将第/V个数值输人网络中，此时的输出及时改

分析本身的不足，从而达到更好的效果[1]。序列的实际输出值。

基于上述思想，本文建立了基于时序思想BP网络的地铁地2工程应用实例

表沉降预测模型，以某城市地铁为例对其有效性进行了验证，并某城市地铁1号