莫 曼，鄢 翠，方志杰，3

(1.桂林理工大學(xué) 土木與建筑工程學(xué)院，廣西 桂林541004;2.廣西科技大學(xué) 土木建筑工程學(xué)院，廣西 柳州545006;3.廣西大學(xué) 廣西理工科學(xué)實(shí)驗(yàn)中心，廣西 南寧530004)

0 引 言

軟土地基分布廣泛，隨著工程建設(shè)的發(fā)展，軟土地基建設(shè)工程越來(lái)越多。軟土地基強(qiáng)度很低，不能承受很大的荷載。因此，要對(duì)軟土地基［1］進(jìn)行處理。軟地基處理的方法［2］有很多，深層攪拌樁法［3］就是其中的一種方法。深層攪拌樁法是通過(guò)深層攪拌機(jī)沿深度將水泥粉等固化劑與軟地基土強(qiáng)制攪拌，形成深層攪拌樁的一種方法。形成的深層攪拌樁復(fù)合地基可以提高軟土地基的承載力，改善地基的變形能力，減小在荷載作用下發(fā)生的沉降和不均勻沉降。因此，它廣泛應(yīng)用在公路及建筑物的地基處理［4］。

國(guó)內(nèi)外的研究學(xué)者們對(duì)解決地基問(wèn)題進(jìn)行了大量的實(shí)驗(yàn)研究［5-9］。而在實(shí)際施工中，為了能夠保證路基的穩(wěn)定，還需要對(duì)路基的沉降量進(jìn)行計(jì)算預(yù)測(cè)。最常用的計(jì)算方法是一維固結(jié)理論，其缺點(diǎn)是計(jì)算結(jié)果與實(shí)測(cè)結(jié)果相距甚遠(yuǎn)。因此，為了能夠得到更為精確的沉降量，目前采用沉降觀測(cè)資料推算后期沉降。根據(jù)實(shí)測(cè)沉降資料推測(cè)沉降量，主要有以下幾種方法:曲線擬合法、灰色系統(tǒng)、多元非線性相關(guān)分析法、反分析法、有限元法、BP 人工神經(jīng)網(wǎng)絡(luò)等方法。其中，神經(jīng)網(wǎng)絡(luò)［10-11］方法是以人工神經(jīng)網(wǎng)絡(luò)理論為基礎(chǔ)，使用MATLAB 語(yǔ)言建立神經(jīng)網(wǎng)絡(luò)的激活函數(shù)，把對(duì)網(wǎng)絡(luò)輸出的計(jì)算變成對(duì)激活函數(shù)的調(diào)用。另外，通過(guò)不斷修正權(quán)值和閾值，使輸出誤差達(dá)到最小，再對(duì)網(wǎng)絡(luò)的訓(xùn)練、學(xué)習(xí)，用MATLAB 編寫(xiě)出適合各種網(wǎng)絡(luò)權(quán)值訓(xùn)練的子程序，可根據(jù)自己的實(shí)際需要直接使用。因此，利用這些可以直接使用的子程序，可以提高研究工作的效率和質(zhì)量。本文將調(diào)試好的神經(jīng)網(wǎng)絡(luò)程序結(jié)合工程實(shí)例的數(shù)據(jù)并最終應(yīng)用于解決地基的問(wèn)題中，期望神經(jīng)網(wǎng)絡(luò)能成為預(yù)測(cè)地基沉降量的有效工具。

1 計(jì)算模擬原理

以預(yù)測(cè)軟土地基的最終沉降量作為目的，運(yùn)用以往工程實(shí)例及理論知識(shí)得出影響深層攪拌樁復(fù)合地基沉降的因素，通過(guò)對(duì)因素進(jìn)行分類及歸一化作為輸入矩陣，沉降量作為輸出矩陣，先進(jìn)行BP 網(wǎng)絡(luò)中的建模、模擬，最后用曲線擬合的方法對(duì)軟土地基進(jìn)行預(yù)測(cè)。

1.1 沉降影響因子分析

神經(jīng)網(wǎng)絡(luò)［8］輸入矩陣其實(shí)就是影響結(jié)果的特征量。沉降量特征量的選取，主要考慮它是否與沉降有比較確定的因果關(guān)系，如果輸入/輸出矩陣和沉降量沒(méi)有任何關(guān)系就不能建立聯(lián)系。由深層攪拌樁復(fù)合地基的加固機(jī)理可知，加固的方法是利用深層攪拌機(jī)把加固粉體與地基復(fù)合，最終形成半剛半柔性樁的復(fù)合地基。根據(jù)以往深層攪拌樁處理軟土地基的實(shí)例分析，影響深層攪拌樁復(fù)合地基沉降的參數(shù)有以下幾種:樁處理方式、樁位布置情況、置換率、樁長(zhǎng)、樁身強(qiáng)度、填土速率、填土高度和填土?xí)r間等［13-17］。

1.2 BP 神經(jīng)網(wǎng)絡(luò)的建立

BP 神經(jīng)網(wǎng)絡(luò)是一種多層前饋神經(jīng)網(wǎng)絡(luò)［18］，結(jié)構(gòu)圖如圖1 所示。在處理工程應(yīng)用預(yù)測(cè)問(wèn)題中，運(yùn)用BP 神經(jīng)網(wǎng)絡(luò)的優(yōu)點(diǎn)在于可以進(jìn)行多變量模擬，而且不需要對(duì)輸入數(shù)據(jù)進(jìn)行很多相關(guān)的假設(shè)，即不依靠傳統(tǒng)經(jīng)驗(yàn)，只需利用實(shí)地現(xiàn)場(chǎng)中觀測(cè)到的數(shù)據(jù)。由圖1 可見(jiàn)，BP 神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)共有3 層，分別是輸入層、隱含層和輸出層。輸入信號(hào)從輸入層經(jīng)隱含層逐層處理，信號(hào)數(shù)據(jù)前向傳遞，誤差則反向傳播，直達(dá)輸出層。神經(jīng)元狀態(tài)只影響下一層神經(jīng)元狀態(tài)。如果輸出層得不到期望結(jié)果，則反向傳播，通過(guò)調(diào)整權(quán)值和閾值，使BP 神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)輸出結(jié)果不斷逼近期望輸出，達(dá)到收斂精度則停止運(yùn)行。該結(jié)構(gòu)有3 個(gè)選擇最佳隱單元數(shù)時(shí)的參考公式，可根據(jù)實(shí)例參考選擇。

i

③n1=log2n，其中，n 為輸入單元數(shù)。

考慮本例的實(shí)際情況，輸入層是8 個(gè)神經(jīng)元，輸出層為1 個(gè)神經(jīng)元，通過(guò)上面公式確定隱含層，網(wǎng)絡(luò)隱含層的神經(jīng)元數(shù)目可以設(shè)置為17 個(gè)，隱含層的個(gè)數(shù)不是固定的，需要通過(guò)訓(xùn)練不斷調(diào)整。由于該網(wǎng)絡(luò)系統(tǒng)是非線性的，能否達(dá)到期望輸出，初始值的選擇尤其重要。選擇的要求是:在輸入初始權(quán)值時(shí)，要累加統(tǒng)計(jì)使每個(gè)神經(jīng)元的狀態(tài)值接近于零，一般的權(quán)值則隨機(jī)取，輸入數(shù)據(jù)要進(jìn)行歸一化處理。訓(xùn)練方法的不同，如收斂速度等對(duì)網(wǎng)絡(luò)的性能也有影響。因此，本實(shí)例采用訓(xùn)練函數(shù)‘trainglm’，利用Levenberg-Marquardt 算法對(duì)本網(wǎng)絡(luò)進(jìn)行訓(xùn)練，訓(xùn)練次數(shù)為2 500，訓(xùn)練目標(biāo)為0.001，學(xué)習(xí)速率為0.1。在此網(wǎng)絡(luò)中，輸入層向量的范圍為［0，1］，網(wǎng)絡(luò)中間層的神經(jīng)元傳遞函數(shù)則采用S 型正切函數(shù)‘tansig’，輸出層神經(jīng)元傳遞函數(shù)將采用S 型對(duì)數(shù)函數(shù)‘logsig’。經(jīng)過(guò)調(diào)試訓(xùn)練后達(dá)到收斂精度之后的BP 網(wǎng)絡(luò)才可以運(yùn)用在軟地基后沉降預(yù)測(cè)中。由于BP 神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)的復(fù)雜，計(jì)算神經(jīng)元的數(shù)量較多，在網(wǎng)絡(luò)測(cè)試、模擬中，需要對(duì)訓(xùn)練次數(shù)、學(xué)習(xí)速率等調(diào)試參數(shù)進(jìn)行修改。本文的調(diào)試、訓(xùn)練、模擬程序均用MATLAB 程序自編。

圖1 3 層BP 神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)圖Fig.1 Three layer structure for BP neural network

2 工程實(shí)例

表1 為某段高速公路軟土地基沉降實(shí)測(cè)數(shù)據(jù)，沿線取10 個(gè)斷面，按照1 ～10 號(hào)依次編號(hào)，表2 為深層攪拌樁法處理軟土地基隨時(shí)間變化的沉降值，表3 為深層攪拌樁法處理軟土地基隨時(shí)間變化的填土高度。其中，樁處理方法參數(shù)設(shè)置如下:0 表示為漿液注入;1 表示為粉體噴射。樁布置形式參數(shù)設(shè)置如下:0 表示為正三角布置;1 表示為其他布置方式。置換率參數(shù)設(shè)置則是通過(guò)樁徑和樁間距進(jìn)行計(jì)算。樁長(zhǎng)是否合理參數(shù)設(shè)置如下:0 表示為不合理，1 表示為合理。樁身強(qiáng)度參數(shù)設(shè)置如下:是否大于2 MPa，0 表示為小于2 MPa，1 表示為大于2 MPa。填土速率參數(shù)設(shè)置如下:0 表示為快速填筑，0.5 表示為慢速填筑，1 表示為填筑適中。填土高度單位為m;沉降量單位為mm。

表1 深層攪拌樁法處理軟土地基的沉降影響參數(shù)Tab.1 The data after normalization of treatment soft sugrade with deep mixing pile method

表2 深層攪拌樁法處理軟土地基沉降值隨時(shí)間的變化Tab.2 Settlement values over time treating soft sugrade with deep mixing pile method mm

表3 深層攪拌樁法處理軟土地基填土高度隨時(shí)間的變化Tab.3 Deep mixing pile method and treatment of soft sugrade filling height of change over time m

3 模擬結(jié)果

將經(jīng)過(guò)調(diào)試之后的神經(jīng)網(wǎng)絡(luò)程序運(yùn)用于軟地基數(shù)據(jù)處理中，測(cè)試數(shù)據(jù)即工程案例中1 ～10 號(hào)斷面結(jié)果數(shù)據(jù)。首先經(jīng)過(guò)P_test 測(cè)試，最后收斂的預(yù)測(cè)誤差已經(jīng)滿足要求之后，將測(cè)試好的BP 網(wǎng)絡(luò)［19-20］進(jìn)行仿真運(yùn)行，運(yùn)行之后會(huì)優(yōu)化出1 個(gè)新的BP 網(wǎng)絡(luò)程序，此時(shí)才可以利用該程序進(jìn)行深層攪拌樁法處理，對(duì)軟土地基沉降預(yù)測(cè)。運(yùn)行的過(guò)程是先用前8 組不同斷面的數(shù)據(jù)進(jìn)行模擬訓(xùn)練，將所得的BP 網(wǎng)絡(luò)程序模擬的預(yù)測(cè)值與第9 組、第10 組斷面數(shù)據(jù)的實(shí)測(cè)值進(jìn)行對(duì)比測(cè)試，最后的對(duì)比結(jié)果如表4 所示。

從表4 可以看出，預(yù)測(cè)值與實(shí)測(cè)值相比，偏差值均在3 mm 以內(nèi)，均滿足建筑工程中的允許偏差。為了更好地表明BP 神經(jīng)網(wǎng)絡(luò)的預(yù)測(cè)值與實(shí)測(cè)值的對(duì)比關(guān)系，圖2 和圖3 分別畫(huà)出了9 號(hào)、10 號(hào)斷面預(yù)測(cè)值與實(shí)測(cè)值的對(duì)比關(guān)系。從圖2 和圖3 可見(jiàn)，用經(jīng)過(guò)調(diào)試之后的BP 神經(jīng)網(wǎng)絡(luò)所預(yù)測(cè)的軟地基沉降數(shù)據(jù)數(shù)與實(shí)測(cè)值得吻合很好，說(shuō)明BP 神經(jīng)網(wǎng)絡(luò)能夠?qū)浀鼗两禂?shù)據(jù)進(jìn)行很好的預(yù)測(cè)，能成為解決軟地基問(wèn)題的有力預(yù)測(cè)工具。

表4 第9 號(hào)斷面和第10 號(hào)斷面的實(shí)測(cè)值與預(yù)測(cè)值的比較Tab.4 Comparison between observed data and predicted data of No.9 section and No.10 section

圖3 第10 號(hào)斷面的實(shí)測(cè)值和預(yù)測(cè)值Fig.3 Predicted value and observed value for No.10 section

4 結(jié) 語(yǔ)

針對(duì)軟土地基的工程問(wèn)題，利用BP 神經(jīng)網(wǎng)絡(luò)，對(duì)影響地基沉降的主要因素進(jìn)行了歸納，并分析預(yù)測(cè)了軟土地基沉降。在對(duì)軟土地基沉降的影響因素進(jìn)行訓(xùn)練、模擬中，建立影響因素與沉降量的非線性關(guān)系，最終通過(guò)非線性模擬計(jì)算得到了軟土地基的沉降預(yù)測(cè)值。模擬結(jié)果顯示，預(yù)測(cè)值與實(shí)測(cè)值的結(jié)果相比，其誤差值小，模擬精度符合工程要求，與目前常用的處理沉降的一維固結(jié)理論方法相比，設(shè)計(jì)的BP 神經(jīng)網(wǎng)絡(luò)對(duì)沉降預(yù)測(cè)值更為精確，表明BP 神經(jīng)網(wǎng)絡(luò)程序?qū)μ幚碥浀鼗鶈?wèn)題有更好的應(yīng)用前景，可應(yīng)用在軟地基的工程實(shí)踐中。

［1］ 錢(qián)偉文，鄧忠信，張信貴，等.泥巖地基承載力的確定問(wèn)題［J］，廣西大學(xué)學(xué)報(bào):自然科學(xué)版，2003，28(2):155-157.

［2］ 孫潤(rùn)平.淺談地基處理常用的方法［J］.中國(guó)科技財(cái)富，2009(8):27-27.

［3］ 高燕云.深層攪拌樁在人工填土地基處理中的應(yīng)用［J］.廣西大學(xué)學(xué)報(bào):自然科學(xué)版，2002，27(S1):226-228.

［4］ 龔曉南.地基處理技術(shù)及其發(fā)展［J］.土木工程學(xué)報(bào)，1997，30(6):3-11.

［5］ 蔡燕燕，吳文兵，戚志博，等.成層地基中單樁沉降的時(shí)間效應(yīng)研究［J］.廣西大學(xué)學(xué)報(bào):自然科學(xué)版，2012，37(4):789-796.

［6］ LOW B K，TANG S K，CHOA V.Arching in plied embankments［J］.Jounal of Geotechnical Engineering，1994，120(11):1917-1938.

［7］ COLLIN J G，WATSON C H，HAN J.Column-supported embankment solves time constrain for new road construction［J］.Contemporary Issues in Foundation Engineering.2005，13(1):1-10.

［8］ RUSSELL D，PIERPIONT N.An assessment of design method for piled embankments［J］.Ground Engineering.1997，11:39-44.

［9］ 燕柳斌，胡李華，蘇國(guó)韶.軟土地基松木樁擠土效應(yīng)模擬的有限差分方法［J］.廣西大學(xué)學(xué)報(bào):自然科學(xué)版，2014，39(4):794-801.

［10］鄭俊杰，袁內(nèi)鎮(zhèn)，張曦映.深層攪拌樁設(shè)計(jì)與施工［J］.巖土工程技術(shù)，1999(2):39-40+47.

［11］李朋麗，田偉平，李家春.基于BP 神經(jīng)網(wǎng)絡(luò)的滑坡穩(wěn)定性分析［J］.廣西大學(xué)學(xué)報(bào):自然科學(xué)版，2013，38(4):905-911.

［12］馬霓，胡裕堂，韋崗.一種基于神經(jīng)網(wǎng)絡(luò)的LD-CELP 算法［J］.廣西大學(xué)學(xué)報(bào):自然科學(xué)版，1996，21(4):318-324.

［13］張留俊，黃曉明，馮煒，等.人工神經(jīng)網(wǎng)絡(luò)在路堤沉降預(yù)測(cè)中的應(yīng)用［J］.公路交通科技，2006，23(5):7-10.

［14］張慧梅，李云鵬，毛成.人工神經(jīng)網(wǎng)絡(luò)在軟土地基路基沉降預(yù)測(cè)中的應(yīng)用［J］.長(zhǎng)安大學(xué)學(xué)報(bào):自然科學(xué)版，2002，22(4):20-22.

［15］孫琦，張向東，楊逾，等.高速鐵路軟土地區(qū)路樁網(wǎng)復(fù)合地基沉降規(guī)律研究［J］.廣西大學(xué)學(xué)報(bào):自然科學(xué)版，2013，38(1):157-164.

［16］李田義.公路軟基處理方法分析［J］.科技資訊，2009(4):86-86.

［17］劉勇健.用人工神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)高速公路軟土地基的最終沉降［J］.公路交通科技，2000，17(6):15-18.

［18］王鴻斌，張立毅，胡志軍.人工神經(jīng)網(wǎng)絡(luò)理論及其應(yīng)用［J］.山西電子技術(shù)，2006(2):41-43.

［19］石云.BP 神經(jīng)網(wǎng)絡(luò)的Matlab 實(shí)現(xiàn)［J］.湘南學(xué)院學(xué)報(bào)，2010，31(5):86-88，111.

［20］盛仲飆.BP 神經(jīng)網(wǎng)絡(luò)原理及MATLAB 仿真［J］.渭南師范學(xué)院學(xué)報(bào)，2008，23(5):65-67.