劉曉強(qiáng)，楊燕華，趙躍

（1.交通運(yùn)輸部天津水運(yùn)工程科學(xué)研究所港口水工建筑技術(shù)國(guó)家工程實(shí)驗(yàn)室，天津300456；2.天津大學(xué)建筑工程學(xué)院，天津300072）

基于人工神經(jīng)網(wǎng)絡(luò)的軟土地基沉降預(yù)測(cè)技術(shù)研究

劉曉強(qiáng)1，2，楊燕華1，趙躍1

（1.交通運(yùn)輸部天津水運(yùn)工程科學(xué)研究所港口水工建筑技術(shù)國(guó)家工程實(shí)驗(yàn)室，天津300456；2.天津大學(xué)建筑工程學(xué)院，天津300072）

針對(duì)軟土地基大變形沉降預(yù)測(cè)，引入人工神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)技術(shù)，通過(guò)增加權(quán)值調(diào)整時(shí)的動(dòng)量修正量對(duì)傳統(tǒng)BP模型的算法進(jìn)行改進(jìn)，使其更加適應(yīng)對(duì)于軟土地基沉降的預(yù)測(cè)。以天津?yàn)I海地區(qū)圍海造陸工程為例，選擇吹填過(guò)程中吹填土的原始標(biāo)高、含水量、塑性指數(shù)以及吹填土地基加固后的土體含水量和強(qiáng)度為輸入量對(duì)吹填土地基的沉降量進(jìn)行預(yù)測(cè)。預(yù)測(cè)結(jié)果顯示預(yù)測(cè)值與實(shí)測(cè)值誤差在15%以內(nèi)。

大變形沉降；沉降預(yù)測(cè)；軟土地基；BP算法

隨著我國(guó)經(jīng)濟(jì)建設(shè)的不斷發(fā)展，沿海地區(qū)土地資源尤為緊張，圍海造地等工程發(fā)展迅速，軟土工程建設(shè)中遇到的問(wèn)題越來(lái)越多，軟土地基大變形固結(jié)沉降的計(jì)算問(wèn)題尤為明顯。在圍海造地過(guò)程中，吹填土處理后的沉降量一般會(huì)達(dá)到吹填厚度的一半以上甚至更高［1］。在吹填土處理過(guò)程中土體的固結(jié)參數(shù)隨時(shí)間的變化而改變、且變形量較大，該工程中土體的沉降是典型的大變形固結(jié)沉降，土力學(xué)中目前國(guó)內(nèi)外許多學(xué)者進(jìn)行了關(guān)于大變形固結(jié)沉降計(jì)算理論的研究。Weber［2］曾報(bào)導(dǎo)建于泥碳土（Peat）地基之上的堤壩，在固結(jié)期間壓縮層厚度減少了80%，如此大的變形顯然已經(jīng)超出了傳統(tǒng)固結(jié)理論的基本假定范圍。另外，Cargill［3］分析了卡納維拉爾角（Cape Canaveral）圍海造陸吹填工程，土體的初始孔隙比可達(dá)17.0以上，即使取初始平均孔隙比12.0，大變形與小變形固結(jié)分析的結(jié)果仍相差達(dá)50%以上，而大變形計(jì)算結(jié)果與實(shí)測(cè)值相當(dāng)一致。事實(shí)上，當(dāng)土體變形較大，或產(chǎn)生旋轉(zhuǎn)時(shí)，采用小變形理論會(huì)出現(xiàn)“物質(zhì)消失”的現(xiàn)象，這顯然與實(shí)際不符。Gibso?neta基于孔隙比為控制變量建立了一個(gè)較完善的一維大變形固結(jié)理論模型，該模型在目前的理論推導(dǎo)中應(yīng)用較多［4］。國(guó)內(nèi)方面謝新宇等提出以位移為控制變量的大變形固結(jié)方程。丁洲祥等得到以超靜孔壓為控制變量的大變形固結(jié)數(shù)學(xué)模型。這些固結(jié)變形理論研究多為改變控制變量，即模型中土的參數(shù)或者轉(zhuǎn)換坐標(biāo)系的方法對(duì)固結(jié)理論進(jìn)行改進(jìn),但是并沒(méi)有從根本上改變其計(jì)算過(guò)程復(fù)雜、計(jì)算結(jié)果偏差大的缺點(diǎn)［5-6］。

隨著人工智能技術(shù)的發(fā)展，人工神經(jīng)網(wǎng)絡(luò)技術(shù)開(kāi)始引入到巖土工程中并得到了很好的應(yīng)用。劉勇軍基于人工神經(jīng)網(wǎng)絡(luò)、灰色模型、理論計(jì)算等方法針對(duì)高速公路軟土路基工后沉降提出新的預(yù)測(cè)方法［7］。軟土地基在加固過(guò)程中將產(chǎn)生大變形沉降，通過(guò)研究表明吹填土的沉降與其初始含水量、標(biāo)高、塑性指數(shù)等關(guān)系較大，通過(guò)建立不同影響因素與吹填土地基沉降量的人工神經(jīng)網(wǎng)絡(luò)模型，改進(jìn)傳統(tǒng)BP算法學(xué)習(xí)速度慢、穩(wěn)定性差、易于陷入局部極小值等缺點(diǎn)對(duì)吹填土地基的沉降量進(jìn)行預(yù)測(cè)，該預(yù)測(cè)技術(shù)屬于交叉學(xué)科理論，不僅能夠?yàn)閷?shí)際工程提供可靠的參考數(shù)據(jù)，在一定程度上對(duì)軟土地基大變形預(yù)測(cè)技術(shù)發(fā)展的研究起到重要的作用［8-10］。

1 人工神經(jīng)網(wǎng)絡(luò)原理及BP算法

1.1 人工神經(jīng)網(wǎng)絡(luò)原理

人工神經(jīng)網(wǎng)絡(luò)是基于人類大腦機(jī)構(gòu)與功能而建立起來(lái)的新型信息處理系統(tǒng)，它是一個(gè)非線性動(dòng)力系統(tǒng)，事先不需要假設(shè)輸入變量與輸出變量之間的關(guān)系，而是通過(guò)樣本學(xué)習(xí)建立輸入到輸出的非線性映射關(guān)系。在時(shí)間序列中，多層前向BP神經(jīng)網(wǎng)絡(luò)是目前應(yīng)用最廣泛的一種神經(jīng)網(wǎng)絡(luò)模型，通常由輸入層、輸出層和隱含層構(gòu)成，如圖1所示。誤差逆?zhèn)鞑W(xué)習(xí)過(guò)程通過(guò)一個(gè)使能量函數(shù)最小化過(guò)程來(lái)完成輸入到輸出的映射。

1.2BP模型的核心算法

誤差反向傳播算法BP網(wǎng)絡(luò)是目前應(yīng)用最廣泛的人工網(wǎng)絡(luò)模型之一，它是由多個(gè)神經(jīng)元組成的多層網(wǎng)絡(luò)，即有輸入層、隱含層、輸出層。采用的BP網(wǎng)絡(luò)模型是一個(gè)有2個(gè)隱含層的四層神經(jīng)網(wǎng)絡(luò)。上下層之間各神經(jīng)元實(shí)現(xiàn)全連接，而每層各神經(jīng)元之間無(wú)連接。其學(xué)習(xí)過(guò)程由正向和反向傳播過(guò)程組成。正向傳播包括輸入，并計(jì)算與之對(duì)應(yīng)的輸出值；反向傳播包括比較網(wǎng)絡(luò)輸出與給定輸出的誤差，然后通過(guò)改變連接權(quán)值來(lái)減少誤差，從而得到滿意的連接權(quán)值。神經(jīng)網(wǎng)絡(luò)層與層之間的作用函數(shù)分別采用了Sigmoid非線性函數(shù)和雙曲正切函數(shù)，根據(jù)軟土地基變形特點(diǎn)選用較常用的S型邏輯非線性函數(shù)

圖1人工神經(jīng)網(wǎng)絡(luò)信息處理示意圖Fig.1Sketch of BP model

權(quán)向量和閾值的修正采用梯度法，根據(jù)該法分別得到權(quán)向量和閾值的迭代式為

式中：?為網(wǎng)絡(luò)學(xué)習(xí)率或?qū)W習(xí)因子；η為動(dòng)量系數(shù)，用于克服數(shù)值振蕩。通過(guò)訓(xùn)練和學(xué)習(xí)，可確定網(wǎng)絡(luò)的連接權(quán)值和閾值等參數(shù)，由此也就確定了輸入向量與輸出向量的映射關(guān)系。然后，將新的輸入-輸出樣本值代入神經(jīng)網(wǎng)絡(luò)模型進(jìn)行驗(yàn)證，驗(yàn)證合格的神經(jīng)網(wǎng)絡(luò)模型即為所需。

最后是雜耍。這種包含魔術(shù)等傳統(tǒng)意義上的游藝形式并不常見(jiàn)于近代的都市生活之中，而在鄉(xiāng)村地區(qū)，特別是城鎮(zhèn)，倒是為人們所喜聞樂(lè)見(jiàn)。因?yàn)槠湎鄬?duì)于戲劇所需眾多藝人而言，雜耍所需的人員與成本相對(duì)較少，有時(shí)為了烘托氣氛也偶爾見(jiàn)于慈善義演的活動(dòng)之中，但并非主流。

1.3BP模型的改進(jìn)算法

BP算法是多層前向網(wǎng)絡(luò)模型的一種較為簡(jiǎn)單的算法，因其具有很強(qiáng)的通用性因而得到廣泛的應(yīng)用，但常規(guī)的BP算法學(xué)習(xí)速度慢、穩(wěn)定性差、易于陷入局部極小值等缺點(diǎn)。標(biāo)準(zhǔn)的BP算法在調(diào)整連接權(quán)值時(shí)，只考慮了本次調(diào)整時(shí)的誤差梯度下降的方向，而未考慮前一次調(diào)整時(shí)的誤差梯度方向，因而經(jīng)常使訓(xùn)練過(guò)程發(fā)生震蕩，收斂緩慢。因此，為了減小震蕩，提高網(wǎng)絡(luò)訓(xùn)練速度，可以在對(duì)連接權(quán)值進(jìn)行調(diào)整時(shí)，按一定的比例加上前一次學(xué)習(xí)時(shí)的調(diào)整量，即動(dòng)量。同時(shí)可根據(jù)工程現(xiàn)場(chǎng)土體參數(shù)及輸入、輸出變量自身特點(diǎn)對(duì)增加動(dòng)量項(xiàng)進(jìn)行改進(jìn)，改進(jìn)公式如下

式中：ηΔwij(n-1)為動(dòng)量項(xiàng)，其中n為學(xué)習(xí)次數(shù)，η為動(dòng)量系數(shù)，取值為0～1。

加入動(dòng)量項(xiàng)的本質(zhì)是使得學(xué)習(xí)過(guò)程中的學(xué)習(xí)率β不在是一個(gè)恒定值，而是可以不斷變化的。在引入動(dòng)量項(xiàng)后，總是力圖使連接權(quán)值的調(diào)整向著同一方向進(jìn)行，即使兩次連接權(quán)值的調(diào)整方向不同，也可以減小振蕩趨勢(shì)，提高訓(xùn)練速度，加速網(wǎng)絡(luò)的收斂。但是如何較為復(fù)雜的訓(xùn)練樣本（輸入量大于5個(gè)，隱藏層大于2個(gè)）由于動(dòng)量系數(shù)為一個(gè)常數(shù)，因此，動(dòng)量項(xiàng)在每次學(xué)習(xí)校正時(shí)所引起的作用是相同的，為了發(fā)揮隨著學(xué)習(xí)過(guò)程不同調(diào)節(jié)動(dòng)量項(xiàng)所引起的作用，可以將式（4）中的動(dòng)量項(xiàng)系數(shù)進(jìn)行修正如下

動(dòng)量系數(shù)是一個(gè)變量，隨著學(xué)習(xí)過(guò)程的不斷進(jìn)行，動(dòng)量系數(shù)逐漸改變，動(dòng)量項(xiàng)在調(diào)整過(guò)程中所占的比重也逐漸改變，這樣可以使連接權(quán)值的調(diào)整隨著訓(xùn)練過(guò)程不斷進(jìn)行而逐漸沿著平均方向變化。

2 工程實(shí)例分析

2.1 工程概況

天津南港工業(yè)區(qū)位于天津市濱海新區(qū)東南部。南港地區(qū)軟土分布廣泛，并且軟土地層分布較厚，規(guī)劃區(qū)面積約220 km2。圍海造陸一期工程是南港工業(yè)區(qū)第一批圍海造陸項(xiàng)目，所轄區(qū)域?yàn)閲?guó)家重點(diǎn)招商項(xiàng)目用地，建設(shè)意義非常重大，施工要求也很高。而大面積吹填土的土層主要以泥水混合物及淤泥為主，這很明顯不能滿足用地使用要求，需要進(jìn)行大面積的軟土地基處理。而其中工程中面臨的一個(gè)重要問(wèn)題是圍海造陸過(guò)程中吹填標(biāo)高的確定。比較精確地吹泥量對(duì)于本項(xiàng)工程是至關(guān)重要的。吹泥過(guò)多，加固后標(biāo)高高于設(shè)計(jì)標(biāo)高顯然是不經(jīng)濟(jì)的；吹泥過(guò)少，加固后標(biāo)高低于設(shè)計(jì)標(biāo)高，則需要購(gòu)置好土回填，同樣是不經(jīng)濟(jì)的，因此需要對(duì)吹填過(guò)程中的地基沉降有個(gè)合理的預(yù)測(cè)。

根據(jù)前期調(diào)研分析，確定模型網(wǎng)絡(luò)有5項(xiàng)輸入——原泥面標(biāo)高（m）、吹填土原始含水量（%）、吹填土原始塑性指數(shù)、以及土體加固后的標(biāo)高（m）及含水量（%）；其輸出為地基的沉降量（m）。軟土地基沉降預(yù)測(cè)系統(tǒng)的訓(xùn)練樣本由天津及周邊地區(qū)108組實(shí)際工程數(shù)據(jù)組成，在每個(gè)工程中提取原泥面標(biāo)高、加固后標(biāo)高、原吹填含水量、原土體塑性指數(shù)、加固后土體含水量以及土體最終沉降量建立一組訓(xùn)練數(shù)據(jù)樣本（表1）。

2.3 參數(shù)設(shè)置

通過(guò)建立改進(jìn)的BP人工神經(jīng)網(wǎng)絡(luò)，建立軟土地基沉降預(yù)測(cè)系統(tǒng)［11］，根據(jù)樣本訓(xùn)練試驗(yàn)選擇合理的預(yù)測(cè)系統(tǒng)參數(shù)（表2）。

2.4 軟土地基沉降預(yù)測(cè)結(jié)果

利用軟土地基沉降預(yù)測(cè)系統(tǒng)［11］對(duì)樣本數(shù)據(jù)庫(kù)進(jìn)行學(xué)習(xí)、訓(xùn)練得到相應(yīng)的修正參數(shù)等，以現(xiàn)有工程中的原泥面標(biāo)高（m）、吹填土原始含水量（%）、吹填土原始塑性指數(shù)、以及土體加固后的標(biāo)高（m）及含水量（%）作為輸入量，對(duì)該工程的最終沉降量（輸出量）進(jìn)行預(yù)測(cè)（表3），結(jié)果顯示預(yù)測(cè)值與工程實(shí)測(cè)值相差在15%以內(nèi)。

表1數(shù)據(jù)庫(kù)的訓(xùn)練樣本Tab.1Training sample of database

表2軟土地基沉降預(yù)測(cè)系統(tǒng)參數(shù)設(shè)置Tab.2Parameters of settlement prediction system for soft soil foundation

表3預(yù)測(cè)值與實(shí)際值Tab.3Predicted value and measured value

3 結(jié)論

針對(duì)軟土地基大變形沉降預(yù)測(cè)，引入人工神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)技術(shù)，通過(guò)增加權(quán)值調(diào)整時(shí)的動(dòng)量修正量對(duì)傳統(tǒng)BP模型的算法進(jìn)行改進(jìn)，使其更加適應(yīng)對(duì)于軟土地基沉降的預(yù)測(cè)。通過(guò)對(duì)工程實(shí)例的分析得到改進(jìn)BP算法的人工神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型可以實(shí)現(xiàn)以類似工程為樣本數(shù)據(jù)庫(kù)預(yù)測(cè)在建工程中的某一特定值；BP人工神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型可以對(duì)軟土地基大變形固結(jié)沉降進(jìn)行預(yù)測(cè)，通過(guò)基于BP算法建立的人工神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型的預(yù)測(cè)沉降量與實(shí)際沉降量相差在15%以內(nèi)，能夠滿足實(shí)際工程的需要，可以應(yīng)用到實(shí)際工程中。

參考文獻(xiàn)：

［1］侯釗，陳環(huán).天津軟土地基［M］.天津：天津科學(xué)技術(shù)出版社，1987.

［2］Weber W G.Performance of Embankments Constructed Over Peat［J］.Journal of the Soil Mechanics&Foundations Division，2014，95：53-76.

［3］Cargill K W.Prediction of consolidation of very soft clay［J］.Journal of Geotechnical Engineering，1984，110（6）：775-795.

［4］Gibson R E.The theory of one?dimensional consolidation of saturated clays［J］.Canadian Geotechnical Journal，1967，17：280-293.

［5］謝新宇.考慮變形耦合的一維大變形固結(jié)分析［J］.浙江大學(xué)學(xué)報(bào)，2002，36（5）：544-549. XIE X Y.Analysis of one?dimensional large strain consolidation due to settlement［J］.Journal of Zhejiang University，2002，36（5）：544-549.

［6］丁洲祥.巖土力學(xué)大變形理論及其有限元的改進(jìn)方法研究［D］.上海：同濟(jì)大學(xué)，2008.

［7］劉軍勇.路基沉降預(yù)測(cè)非等時(shí)序改進(jìn)灰色模型應(yīng)用研究［J］.路基工程，2007，133（4）：61-63. LIU J Y.Application Test of Subgrade Settlement Predication by Improvement GM Predication Mode with Unequal Spaced Time［J］.Subgrade Engineering，2007，133（4）：61-63.

［8］張國(guó)霞，張乃瑞，張鳳林.非線性差異沉降分析［J］.巖土工程學(xué)報(bào)，1981，3（3）：41-48. ZHANG G X，ZHANG N R，ZHANG F L.Analysis of nonlinear differential settlement［J］.Chinese Journal of Geotechnical Engi?neering，1981，3（3）：41-48.

［9］袁金榮，王文明，孫鈞.深大基坑施工變形的智能控制技術(shù)［J］.巖土工程學(xué)報(bào)，2002，7（24）：460-464. YUANG J R，WANG W M，SUN J.Intelligent control of deformation during excavation for large and deep foundation［J］.Chinese Journal of Geotechnical Engineering，2002，7（24）：460-464.

［10］彭衛(wèi)兵，任愛(ài)珠，徐峰.橋梁結(jié)構(gòu)設(shè)計(jì)中的知識(shí)復(fù)用技術(shù)［J］.清華大學(xué)學(xué)報(bào)：自然科學(xué)版，2007，47（9）：1 418-1 422. PENG W B，REN A F，XU F.Technologies for bridge structure design?based knowledge reuse［J］.Journal of Tsinghua University：Science and technology，2007，47（9）：1 418-1 422.

［11］劉曉強(qiáng).軟土地基沉降預(yù)測(cè)系統(tǒng)［D］.天津：天津大學(xué)，2011.

A study on settlement prediction of soft soil foundation based on artificial neural network

LIU Xiao?qiang1,2,YANG Yan?hua1,ZHAO Yue1
（1.Tianjin Research Institute for Water Transport Engineering，National Engineering Laboratory for Port Hydraulic Construction Technology,Tianjin 300456，China;2.School of Civil Engineering,Tianjin University,Tianjin 300072, China）

According to the basic feature of soft ground settlement,a new artificial neural network?based(ANN) approach was presented to predict settlement of soft foundation in this paper.The actual prediction ability of BP net?work model was improved,and training velocity was increased by adding momentum factor and using the weight con?trol calculation in the BP network model.Taking Tianjin Binhai area reclamation engineering as an example,with initial elevation,water content,plasticity index of dredger fill,soil strength and water content after reinforcement as inputs,the settlement of filled soil was predicted.Forecast results indicate that predicted values are closer to mea?sured values.

large deformation settlement;settlement prediction;soft soil foundation;BP algorithm

U 655.54；TB 115

A

1005-8443（2015）06-0574-04

2015-08-11；

2015-10-28

天津市自然科學(xué)基金資助項(xiàng)目（13JCQNJC07800；15JCQNJC07900；15JCYBJC21900）

劉曉強(qiáng)（1983-），男，遼寧省綏中人，助理研究員，主要從事土的工程性質(zhì)及地基處理技術(shù)研究。Biography：LIU Xiao?qiang（1983-），male，assistant professor.