柯帥　張凱

【摘要】本文基于貝葉斯正則化BP神經(jīng)網(wǎng)絡(luò)，建立了橋墩局部沖刷深度模型。然后利用前人的數(shù)據(jù)在MATLAB軟件里對(duì)橋墩局部沖刷深度進(jìn)行了訓(xùn)練，結(jié)果表明：該模型的預(yù)測(cè)精度高，可以用于工程設(shè)計(jì)當(dāng)中?！娟P(guān)鍵詞】橋墩；局部沖刷；貝葉正則化；神經(jīng)網(wǎng)絡(luò)1、 前言橋梁的局部沖刷深度是保障橋梁安全的重要因素。但是因?yàn)橛绊憶_刷的因素很多，且這些因素具有一定的隨機(jī)性和可變性，導(dǎo)致目前還不能對(duì)橋墩的局部沖刷深度進(jìn)行精確的預(yù)測(cè)。神經(jīng)網(wǎng)絡(luò)具有自學(xué)習(xí)、聯(lián)想存儲(chǔ)、高速尋求最優(yōu)解等特點(diǎn)，并且還有極強(qiáng)的非線性映射能力，它的這些特點(diǎn)和能力使它在橋墩局部沖刷深度預(yù)測(cè)領(lǐng)域得到了迅速的發(fā)展。目前使用的最廣的便是利用BP神經(jīng)網(wǎng)絡(luò)來(lái)進(jìn)行預(yù)測(cè)，但是它卻有著訓(xùn)練時(shí)間長(zhǎng)、局部收斂等缺點(diǎn)。為了更好的預(yù)測(cè)橋墩的局部沖刷深度，本文基于貝葉斯正則化BP神經(jīng)網(wǎng)絡(luò)，建立了橋墩局部沖刷深度模型，通過(guò)訓(xùn)練，該網(wǎng)絡(luò)有著較高的預(yù)測(cè)精度。2 、貝葉斯正則化神經(jīng)網(wǎng)絡(luò)2.1 BP神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)BP神經(jīng)網(wǎng)絡(luò)由輸入層、隱含層、輸出層三層結(jié)構(gòu)，每層由若干神經(jīng)元連接，不同層次的神經(jīng)元也可以相互連接。隱含層采用Sigrnoid函數(shù)，輸出層采用Pureline函數(shù)，具體結(jié)構(gòu)如圖1。2.2 貝葉斯正則化算法貝葉斯正則化神經(jīng)網(wǎng)絡(luò)的性能指數(shù)：3、 模型的建立本文選取水流的平均流速、水深、泥沙的中值粒徑、泥沙的起動(dòng)流速以及橋墩的直徑為輸入層因子，橋墩局部沖刷坑深度為輸出層因子。選用Jeng D S學(xué)者的研究報(bào)告中的45組數(shù)據(jù)，其中30組數(shù)據(jù)用于構(gòu)建模型，15組數(shù)據(jù)用于測(cè)試模型的預(yù)測(cè)能力，數(shù)據(jù)各個(gè)參數(shù)的取值范圍如表1。4、 計(jì)算結(jié)果及分析利用MATLAB軟件，對(duì)橋墩局部沖刷深度進(jìn)行預(yù)測(cè)，實(shí)測(cè)沖刷深度與預(yù)測(cè)值的比較如圖2所示。然后計(jì)算實(shí)測(cè)值與預(yù)測(cè)值相關(guān)系數(shù)以及平均相對(duì)誤差。從圖2可以知道，預(yù)測(cè)值與實(shí)測(cè)值相差不大，模型預(yù)測(cè)結(jié)果的平均相對(duì)誤差，相關(guān)系數(shù)為，說(shuō)明該模型比較精確。5、 結(jié)語(yǔ)將貝葉斯正則化BP神經(jīng)網(wǎng)絡(luò)運(yùn)用到橋墩的局部沖刷深度預(yù)測(cè)中，是解決該類問(wèn)題的一個(gè)新方法，且它的收斂速度和精度相對(duì)于一般的BP神經(jīng)網(wǎng)絡(luò)要好，值得推廣和運(yùn)用。參考文獻(xiàn)：[1].孟慶峰. 橋墩局部沖刷深度預(yù)測(cè)方法研究[D]. 長(zhǎng)沙理工大學(xué)， 2008.[2].馬銳. 人工神經(jīng)網(wǎng)絡(luò)原理[M]. 機(jī)械工業(yè)出版社， 2014.[3].宋雷， 黃騰， 方劍，等. 基于貝葉斯正則化 BP 神經(jīng)網(wǎng)絡(luò)的 GPS 高程轉(zhuǎn)換[J]. 西南交通大學(xué)學(xué)報(bào)， 2008， 43（6）：724-728.[4].Ettema R， Melville B W， Barkdoll B. Scale Effect in Pier-Scour Experiments[J]. Journal of Hydraulic Engineering， 1998， 125（8）：639-642.