鄭松鵬 黃志波 李輝 汪勇志

(福建農(nóng)林大學(xué) 金山學(xué)院 福建福州 350002)

0 引言

在爆破振動作用下，建筑物結(jié)構(gòu)會出現(xiàn)不同程度的響應(yīng)與破壞。隨著爆破工程作業(yè)環(huán)境愈來愈復(fù)雜，由此導(dǎo)致的糾紛不斷增多。房屋在爆破振動作用下的損害狀況的預(yù)測與防治成為了當(dāng)前的研究熱點(diǎn)和難點(diǎn)。

目前，常用的爆破振動危害預(yù)測方法的預(yù)測結(jié)果與現(xiàn)場實(shí)際的結(jié)果，在很多情況下誤差較大[1-2]。為此，急需建立能夠?qū)Ρ普駝臃课菸：Τ潭容^為精確的預(yù)測方法。史秀志[1-2]、董隴軍[3]基于神經(jīng)網(wǎng)絡(luò)利用判別分析法建立了爆破振動房屋危害程度預(yù)測方法，并對被保護(hù)建構(gòu)筑物的安全狀況進(jìn)行了預(yù)測研究。由于神經(jīng)網(wǎng)絡(luò)有一定的適用范圍和局限性，不能完全達(dá)到全局的最優(yōu)。遺傳算法具有搜索全局最優(yōu)解和隱含并行性的優(yōu)點(diǎn)，將遺傳算法引入人工神經(jīng)網(wǎng)絡(luò)形成的進(jìn)化神經(jīng)網(wǎng)絡(luò)方法已在其他領(lǐng)域獲得應(yīng)用，并被證明該法能克服單純神經(jīng)網(wǎng)絡(luò)的缺陷[4-6]。

基此，本文嘗試建立基于進(jìn)化神經(jīng)網(wǎng)絡(luò)方法的爆破振動對房屋破壞程度的預(yù)測模型。工程實(shí)例證明該法在預(yù)測爆破振動對房屋破壞等級方面是可行的。

1 進(jìn)化神經(jīng)網(wǎng)絡(luò)

BP神經(jīng)網(wǎng)絡(luò)具有模擬人類部分形象思維的能力。它采用類似于“黑匣子”的方法, 通過學(xué)習(xí)和記憶, 找出輸入與輸出之間的特征關(guān)系,特別適用于參數(shù)變量和目標(biāo)函數(shù)之間無數(shù)學(xué)表達(dá)式的復(fù)雜工程問題中。遺傳算法模擬了自然界生物進(jìn)化過程中的“優(yōu)勝劣汰, 適者生存”的法則, 將復(fù)制、雜交、變異等概念引入到算法中, 通過構(gòu)造一組初始可行解群體并對其操作, 使其逐漸移向最優(yōu)解。它是一種全局最優(yōu)化方法, 特別適用于多極值點(diǎn)的優(yōu)化問題。克服了傳統(tǒng)優(yōu)化方法易于陷入局部最優(yōu)解的缺點(diǎn), 搜索具有隱含并行性, 可以較快地搜索到全局最優(yōu)解。

運(yùn)用神經(jīng)網(wǎng)絡(luò)強(qiáng)大的自適應(yīng)、自組織、自學(xué)習(xí)的能力以及具備的高度非線性映射性、泛化性和容錯性的特點(diǎn)，將遺傳算法的全局尋優(yōu)能力與BP算法的局部尋優(yōu)能力相結(jié)合，搜索神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu), 并用最佳推廣預(yù)測學(xué)習(xí)算法訓(xùn)練網(wǎng)絡(luò)結(jié)構(gòu)，形成進(jìn)化神經(jīng)網(wǎng)絡(luò)[7]。

2 進(jìn)化神經(jīng)網(wǎng)絡(luò)民房破壞程度預(yù)測模型

2.1 房屋破壞程度影響因素及量化

影響爆破振動對房屋破壞程度的因素很多，除了爆破振動特征參量外，還有房屋結(jié)構(gòu)形式及強(qiáng)度、房屋所處的場地條件等。結(jié)合爆破振動作用下民房的破壞機(jī)制[8-10]，選取爆破振動幅值、主頻率、主頻率持續(xù)時間、灰縫強(qiáng)度、磚墻面積率、房屋高度、屋蓋形式、圈梁構(gòu)造柱、施工質(zhì)量、場地條件這10個主要影響因素作為民房破壞程度的評判因子。根據(jù)爆破振動對房屋的破壞特征, 可以把房屋的破壞程度分為3個等級：基本完好；輕微損傷；破壞。輸出參量破壞等級標(biāo)準(zhǔn)及數(shù)據(jù)量化如表1所示[2]。

其中，爆破振動幅值、爆破振動主頻率、主頻率持續(xù)時間、灰縫強(qiáng)度、磚墻面積率、房屋高度可以采用實(shí)測值直接輸入；屋蓋形式、圈梁構(gòu)造柱、施工質(zhì)量、場地條件屬于狀態(tài)參量，需要將其進(jìn)行數(shù)量化處理。其取值標(biāo)準(zhǔn)如表2 所示[3]。故每一個學(xué)習(xí)樣本為一個11維向量，前10個分量影響爆破振動對房屋破壞程度的因素值，后1個分量為房屋破壞等級。

表1 房屋破壞等級劃分標(biāo)準(zhǔn)及數(shù)據(jù)量化表

表2 部分狀態(tài)參量數(shù)據(jù)量化表

2.2 預(yù)測步驟

首先，應(yīng)用神經(jīng)網(wǎng)絡(luò)建立影響爆破振動對房屋破壞程度的因素與房屋的破壞等級之間的映射關(guān)系, 實(shí)現(xiàn)對于任一組給定的爆破振動對房屋破壞程度的影響因素值, 均可以通過該網(wǎng)絡(luò)的推廣預(yù)測能力求出其相應(yīng)的房屋破壞等級。然后，應(yīng)用遺傳算法具有搜索全局最優(yōu)解和隱含并行性的優(yōu)點(diǎn)，對房屋破壞等級進(jìn)行搜索尋優(yōu)，確定最終的破壞等級。具體步驟如圖1所示。

圖1 進(jìn)化神經(jīng)網(wǎng)絡(luò)預(yù)測模型建立步驟

3 工程應(yīng)用實(shí)例

3.1 工程概況

銅綠山礦露天采場已有40多年的開采歷史，附近居民稱自己的住宅因爆破振動而出現(xiàn)損壞，要求銅綠山礦賠償。為此，對周圍典型民房進(jìn)行爆破振動監(jiān)測，并對破壞情況進(jìn)行宏觀調(diào)查記錄。

3.2 建立訓(xùn)練樣本

基于典型民房的爆破振動監(jiān)測數(shù)據(jù)及破壞情況調(diào)查記錄資料，按照上述2.1的方法量化民房破壞程度的10個評判因子形成訓(xùn)練樣本，如表3所示。

3.3 房屋破壞等級預(yù)測結(jié)果

利用表3中的訓(xùn)練樣本對進(jìn)化的神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練。經(jīng)過試算確定3層神經(jīng)網(wǎng)絡(luò)，進(jìn)化到第四代時最佳適應(yīng)值為0.000 114 608，如圖2所示，經(jīng)過7500次訓(xùn)練，訓(xùn)練誤差到達(dá)0.001，如圖3所示，建立既有較高精度的模型。用訓(xùn)練好的模型預(yù)測房屋破壞等級，其預(yù)測結(jié)果如表4所示。不僅符合房屋實(shí)際破壞等級，而且能進(jìn)一步反映房屋在某破壞等級下的嚴(yán)重程度，進(jìn)而精確評價房屋的破壞等級。

表3 訓(xùn)練樣本

圖2 最佳適應(yīng)值變化 圖3 訓(xùn)練過程誤差變化

4 結(jié)論

將遺傳算法的全局尋優(yōu)能力與BP算法的局部尋優(yōu)能力相結(jié)合形成的進(jìn)化神經(jīng)網(wǎng)絡(luò)應(yīng)用于預(yù)測爆破振動對民房破壞程度，可以克服其他單一優(yōu)化方法易陷入局部最優(yōu)和房屋破壞評判因子與房屋破壞等級之間的映射關(guān)系難以確定的缺點(diǎn)。模型實(shí)例預(yù)測證明, 基于文中10個評判因子建立的預(yù)測模型對爆破振動對民房破壞程度預(yù)測簡單實(shí)用、準(zhǔn)確可靠。其量化的結(jié)果為精確評判房屋破壞等級提供依據(jù)。