劉曦文

1 BP人工神經(jīng)網(wǎng)絡(luò)原理

BP(Back Propagation)神經(jīng)網(wǎng)絡(luò),即誤差反向傳播算法的學(xué)習(xí)過(guò)程,由信息的正向傳播和誤差的反向傳播兩個(gè)過(guò)程組成。輸入層各神經(jīng)元負(fù)責(zé)接收來(lái)自外界的輸入信息,并傳遞給中間層各神經(jīng)元;中間層是內(nèi)部信息處理層,負(fù)責(zé)信息變換,根據(jù)信息變化能力的需求,中間層可以設(shè)計(jì)為單隱層或者多隱層結(jié)構(gòu);最后一個(gè)隱層傳遞到輸出層各神經(jīng)元的信息,經(jīng)進(jìn)一步處理后,完成一次學(xué)習(xí)的正向傳播處理過(guò)程,由輸出層向外界輸出信息處理結(jié)果。當(dāng)實(shí)際輸出與期望輸出不符時(shí),進(jìn)入誤差的反向傳播階段。誤差通過(guò)輸出層,按誤差梯度下降的方式修正各層權(quán)值,向隱層、輸入層逐層反傳。周而復(fù)始的信息正向傳播和誤差反向傳播過(guò)程,是各層權(quán)值不斷調(diào)整的過(guò)程,也是神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)訓(xùn)練的過(guò)程,此過(guò)程一直進(jìn)行到網(wǎng)絡(luò)輸出的誤差減小到期望值時(shí),或者預(yù)先設(shè)定的學(xué)習(xí)次數(shù)為止[1-3]。

2 地基承載力的影響因素探討

1)土的類別:在工程勘察實(shí)踐中,土的正確定名具有很大的實(shí)際意義,業(yè)內(nèi)人士根據(jù)土的名稱可以大致判斷土的工程特性、場(chǎng)地的適宜性等。2)土顆粒的相對(duì)密度:土顆粒的相對(duì)密度主要決定于土的礦物組成,在同類別的土中一般相對(duì)密度的變化幅度很小。3)濕密度:即土在天然狀態(tài)下的密度,濕密度的變化幅度很大。4)天然含水率:含水率是標(biāo)志土的濕度的一種重要物理指標(biāo),其的變化幅度很大[4]。一般來(lái)說(shuō),在一種類別土中,隨著天然含水率的增大,土的強(qiáng)度也隨之降低。5)液限和塑限:從巖土規(guī)范中可知,此兩項(xiàng)指標(biāo)對(duì)于粘土的分類及工程性質(zhì)的評(píng)價(jià)具有重要意義。將這兩項(xiàng)指標(biāo)代入,根據(jù)公式,可計(jì)算出土的液性指標(biāo)與塑性指標(biāo)。土的塑性指數(shù)是粘土分類的主要依據(jù),液性指數(shù)則是查取粘土承載力基本值的第一指標(biāo),后文中為了簡(jiǎn)化模型輸入,以液性指數(shù)作為液限和塑限的綜合因素[5]。6)內(nèi)摩擦角與粘聚力:一般工程中的內(nèi)摩擦角與粘聚力是由土的直接剪切試驗(yàn)確定的,通過(guò)該試驗(yàn)可確定土的抗剪強(qiáng)度,而在工程中抗剪強(qiáng)度與地基承載力直接相關(guān)。因此內(nèi)摩擦角與粘聚力對(duì)于地基承載力的確定具有重要意義[6]。7)標(biāo)貫擊數(shù):通過(guò)標(biāo)貫擊數(shù)可以確定地基土的承載力、估算土的抗剪強(qiáng)度與粘性土的變形指標(biāo)以及估算場(chǎng)地土地震液化可能性等。8)壓縮模量與壓縮系數(shù):壓縮模量是指土在側(cè)限條件下,豎向附加應(yīng)力與應(yīng)變?cè)隽康谋戎?。壓縮模量越小表示土的壓縮性越高;壓縮系數(shù)是判斷土壓縮性的另一重要指標(biāo),一般可通過(guò)e—p曲線獲得,曲線越陡,則說(shuō)明土的壓縮性越高[7]。

3 基于BP神經(jīng)網(wǎng)絡(luò)地基承載力預(yù)測(cè)的實(shí)現(xiàn)

3.1 輸入與輸出因子的確定與數(shù)據(jù)處理

本文以云安縣六都—高要大灣二級(jí)公路(云浮段)新建工程勘察數(shù)據(jù)為例,以勘察報(bào)告中確定的土性參數(shù)作為BP網(wǎng)絡(luò)模型的輸入P,以地基承載力特征值作為輸出T。建立神經(jīng)網(wǎng)絡(luò)模型,并對(duì)模型進(jìn)行訓(xùn)練?？紤]到模型輸入需要,將土的類別進(jìn)行數(shù)字化處理。由于輸入數(shù)據(jù)的差異性較大,如果不對(duì)其進(jìn)行適當(dāng)處理,勢(shì)必會(huì)影響網(wǎng)絡(luò)的映射精度和自學(xué)習(xí)收斂性。故按照連續(xù)函數(shù)表示定理,將輸入變量的值域轉(zhuǎn)化為[0,1]。

3.2 BP網(wǎng)絡(luò)模型結(jié)構(gòu)設(shè)計(jì)

BP模型的結(jié)構(gòu)設(shè)計(jì)采用具有一個(gè)隱層的兩層BP網(wǎng)絡(luò),其具體結(jié)構(gòu)見(jiàn)圖1。圖1中,第一神經(jīng)層為隱層,第二神經(jīng)層為輸出層,R為輸入數(shù)組的項(xiàng)數(shù),s1為隱層的神經(jīng)元個(gè)數(shù),該數(shù)值在實(shí)際操作中根據(jù)經(jīng)驗(yàn)與試算法確定,s2為輸出層的神經(jīng)元個(gè)數(shù),每個(gè)神經(jīng)元的輸入節(jié)點(diǎn)有一權(quán)值wi和一閉值bi。

3.3 基于Matlab7.5BP模型的自訓(xùn)練過(guò)程

1)創(chuàng)建神經(jīng)網(wǎng)絡(luò)。本文運(yùn)用Matlab提供的圖形用戶界面,來(lái)使用啟動(dòng)其中的神經(jīng)網(wǎng)絡(luò)工具箱。這種操作方法相對(duì)于直接編程操作更為簡(jiǎn)便和直觀。首先,啟動(dòng)Matlab7.5,在命令窗口輸入:“nntool”,即可啟動(dòng)“Network/Data Manager” 窗口。點(diǎn)擊“new”,即可創(chuàng)建新的神經(jīng)網(wǎng)絡(luò)。2)設(shè)置神經(jīng)網(wǎng)絡(luò)參數(shù)。神經(jīng)網(wǎng)絡(luò)層數(shù)為2,隱層神經(jīng)元個(gè)數(shù)根據(jù)試差法確定,暫定為10,訓(xùn)練方法為trainlm(Levenberg-Marquardt法),第一層神經(jīng)元的傳遞函數(shù)為tansig,第二層為logsig。3)訓(xùn)練神經(jīng)網(wǎng)絡(luò)。神經(jīng)網(wǎng)絡(luò)參數(shù)設(shè)置完畢后,還需對(duì)訓(xùn)練參數(shù)進(jìn)行設(shè)置,其中最為主要的為訓(xùn)練精度“goal”,本次訓(xùn)練為 0.001。參數(shù)設(shè)置完畢后,即可點(diǎn)擊“Train network”進(jìn)行訓(xùn)練。

從訓(xùn)練結(jié)果可知,樣本經(jīng)過(guò)21次訓(xùn)練即可達(dá)到精度要求。

3.4 BP模型的可靠性驗(yàn)證與分析

為了驗(yàn)證模型的可靠性,選用了幾組云安縣六都—高要大灣二級(jí)公路(云浮段)新建工程勘察數(shù)據(jù)對(duì)其進(jìn)行驗(yàn)證,驗(yàn)證結(jié)果如表1所示。

表1 模型驗(yàn)證數(shù)據(jù)

由表1可知,模型的地基承載力預(yù)測(cè)值與實(shí)際值之間的誤差率均處于5.3%～7.5%,且模型的預(yù)測(cè)值更趨于保守。若以8%作為此模型的衡量標(biāo)準(zhǔn),該模型可作為一個(gè)比較精確的預(yù)測(cè)模型。

4 結(jié)語(yǔ)

1)BP人工神經(jīng)網(wǎng)絡(luò)模型是一種類似于“黑箱”,無(wú)需復(fù)雜繁瑣的數(shù)學(xué)公式即可對(duì)其進(jìn)行建模與訓(xùn)練,此法是一種應(yīng)用建模的好方法。2)文中根據(jù)勘察數(shù)據(jù)建立的地基承載力BP模型,經(jīng)過(guò)驗(yàn)證,確認(rèn)其為一個(gè)比較精確的預(yù)測(cè)模型,此建模思路可在今后的勘察工作中實(shí)際運(yùn)用。3)本文應(yīng)用于建模的勘察數(shù)據(jù)有限,且均是針對(duì)云安縣六都—高要大灣二級(jí)公路(云浮段)新建工程。因此模型的預(yù)測(cè)具有局限性。若要建立具有普遍應(yīng)用簡(jiǎn)潔的BP模型,則需要來(lái)自不同地區(qū)的廣泛且詳盡數(shù)據(jù)來(lái)源,且建模的工作量也非常巨大,需要足夠的研究人員參加方可進(jìn)行。故本文只在小范圍內(nèi)對(duì)該法的可行性進(jìn)行了嘗試并驗(yàn)證,以期對(duì)后續(xù)的研究人員具有參考意義。

[1]飛思科技產(chǎn)品研發(fā)中心.神經(jīng)網(wǎng)絡(luò)理論與MATLAB 7的實(shí)現(xiàn)[M].北京:電子工業(yè)出版社,2005.

[2]魏海坤.神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)設(shè)計(jì)的理論與方法[M].北京:國(guó)防工業(yè)出版社,2005.

[3]周開(kāi)利,康耀紅.神經(jīng)網(wǎng)絡(luò)模型及其MATLAB仿真程序設(shè)計(jì)[M].北京:清華大學(xué)出版社,2005.

[4]陳希哲.土力學(xué)地基與基礎(chǔ)[M].第3版.北京:清華大學(xué)出版社,1997.

[5]錢(qián)家歡,殷宗澤.土工原理與計(jì)算[M].北京:水利電力出版社,1994.

[6]王新征,鄭偉花.人工神經(jīng)網(wǎng)絡(luò)在預(yù)測(cè)軟基沉降中的應(yīng)用研究[J].路基工程,2010(1):128-130.

[7]郝建新,張賢明,李天明.基于神經(jīng)網(wǎng)絡(luò)的承載力預(yù)測(cè)[J].水運(yùn)工程,2006,384(1):6-8.