亚洲免费av电影一区二区三区,日韩爱爱视频,51精品视频一区二区三区,91视频爱爱,日韩欧美在线播放视频,中文字幕少妇AV,亚洲电影中文字幕,久久久久亚洲av成人网址,久久综合视频网站,国产在线不卡免费播放

        ?

        基于BP神經(jīng)網(wǎng)絡(luò)富水巖層圍巖變形量預(yù)測

        2019-04-27 07:41:42李老三辛軍餉
        重慶建筑 2019年4期
        關(guān)鍵詞:富水巖層神經(jīng)元

        李老三,辛軍餉

        (1中鐵二院工程集團有限責任公司,四川成都 610031;2中鐵十八局集團有限公司,天津 300222)

        0 引言

        截止2016年底,我國在建城際和高速鐵路隧道3450km,設(shè)計和規(guī)劃城際和高速鐵路隧道4180km[1],我國已是名副其實的隧道大國。監(jiān)控量測是隧道施工的重要組成部分,通過圍巖變形量、變形速率等信息的變化進行分析和判斷,并對隧道的塌方、變形進行預(yù)警,確定相應(yīng)的施工方案,保障施工安全[2-3]。了解各施工階段地層與支護結(jié)構(gòu)的動態(tài)變化,判斷圍巖的穩(wěn)定性,支護、襯砌的可靠性,彌補理論分析過程中存在的不足,并對施工中可能出現(xiàn)的事故和險情進行預(yù)報,以優(yōu)化設(shè)計,指導(dǎo)施工[4-5]。因此預(yù)測隧道圍巖變形量數(shù)據(jù)工作至關(guān)重要。

        目前,國內(nèi)外的專家學者針對隧道圍巖變形量預(yù)測做了大量的研究工作。師海等[6]為了研究巖溶隧道變形監(jiān)測對隧道穩(wěn)定性提出了一種基于IOWHA算子組合模型的預(yù)測方法。趙洪波[7]支持將向量機應(yīng)用于隧道圍巖變形的預(yù)測中,將圍巖變形看作一個非線性變形序列,然后采用時間序列分析技術(shù),以支持向量機建立非線性變形序列之間的映射關(guān)系,進而對未來的變形進行預(yù)測。李永林等[8]在對國內(nèi)外隧道及地下工程已發(fā)生的大量圍巖大變形進行實例收集、分析的基礎(chǔ)上,討論了隧道圍巖大變形的類型,提出了圍巖大變形的預(yù)測預(yù)報體系,并已在鷓鴣山隧道工程中應(yīng)用。劉開云等[9]將高斯過程回歸(GPR)引入隧道施工圍巖變形預(yù)測,以克服現(xiàn)有模型預(yù)測精度低的問題。徐林生[10]根據(jù)通渝隧道圍巖拱頂下沉位移變形的特性,采用神經(jīng)網(wǎng)絡(luò)技術(shù)來預(yù)測其變形量,結(jié)果表明該方法簡易、有效。Rajabi等[11]采用人工神經(jīng)網(wǎng)絡(luò),預(yù)測了不同地質(zhì)條件下洞室周圍的最大水平位移,并進一步發(fā)現(xiàn),對洞室周圍最大水平位移影響最大的有效參數(shù)和影響最小有效參數(shù)分別為上覆巖層厚度和圍巖拉伸強度。Armaghani等[12]采用簡單的人工神經(jīng)網(wǎng)絡(luò)模型以及人工神經(jīng)網(wǎng)絡(luò)和獨立成分分析算法(ICA)的混合模型,預(yù)測了硬巖條件下隧道掘進機滲透性能。人工神經(jīng)網(wǎng)絡(luò)已被廣泛應(yīng)用于巖土工程的變形預(yù)測,但其在隧道富水巖層變形評價中的應(yīng)用研究較少。鑒于此,本文以新建鄭萬高鐵黃家溝隧道為例,通過現(xiàn)場監(jiān)控量測引入足夠的數(shù)據(jù)樣本,選用BP神經(jīng)網(wǎng)絡(luò)來構(gòu)建最優(yōu)人工神經(jīng)網(wǎng)絡(luò)模型預(yù)測富水巖層段圍巖的變形量。

        1 BP神經(jīng)網(wǎng)絡(luò)模型

        BP人工神經(jīng)網(wǎng)絡(luò)是一種反饋式全連接多層神經(jīng)網(wǎng)絡(luò),具有較強的聯(lián)想記憶和推廣能力。標準BP模型由三層神經(jīng)元組成(輸入層、隱層和輸出層)。如圖1所示,網(wǎng)絡(luò)的拓撲結(jié)構(gòu)隱層可為多層。對于BP模型的輸入神經(jīng)元,其輸入和輸出相同,即Oj=Xj。中間隱層和輸出層的神經(jīng)元滿足下列等式:

        其中:fj表示神經(jīng)元,j為對應(yīng)的激發(fā)函數(shù),但目前用得最多的是Sigmoid函數(shù)f(x)表示神經(jīng)元 j的閾值;Xi表示對神經(jīng)元 j的各個輸入;Wj表示對應(yīng)輸入和該神經(jīng)元j的連接權(quán)值。

        BP網(wǎng)絡(luò)的存儲信息主要體現(xiàn)在兩個方面:一是網(wǎng)絡(luò)的體系結(jié)構(gòu),即網(wǎng)絡(luò)輸入層、隱含層和輸出層節(jié)點的個數(shù);二是相鄰層節(jié)點之間的連接權(quán)值。影響網(wǎng)絡(luò)結(jié)構(gòu)的主要參數(shù)是隱含層的節(jié)點個數(shù)、學習率η和系統(tǒng)誤差∈。輸入層和輸出層節(jié)點個數(shù)由系統(tǒng)應(yīng)用決定,一般來說是確定的。而隱含層節(jié)點個數(shù)由用戶憑經(jīng)驗決定,個數(shù)過少,將影響到網(wǎng)絡(luò)的有效性,過多會大幅度增加網(wǎng)絡(luò)訓練的時間。學習率通常在0.01~0.9之間,一般來說,學習率越小,訓練次數(shù)越多。但學習率過大,會影響網(wǎng)絡(luò)結(jié)構(gòu)的穩(wěn)定性。擬訂誤差∈通常需要根據(jù)輸出要求來定,∈越低,說明要求的精度越高。

        表1 隧道工程地質(zhì)及洞室變形情況

        BP算法的具體步驟可簡單歸納如下:

        (1)給定網(wǎng)絡(luò)的輸入向量X和目標輸出向量T,并初始化網(wǎng)絡(luò)權(quán)值;

        (2)計算網(wǎng)絡(luò)的實際輸出;

        (3)計算網(wǎng)絡(luò)的實際輸出向量與所要求的目標輸出值的誤差;

        (4)權(quán)值學習,使誤差最??;

        對所有的學習樣本重復(fù)(1)到(4)步驟,使系統(tǒng)誤差達到最小。

        圖1 神經(jīng)網(wǎng)絡(luò)示意圖

        2 黃家溝隧道圍巖變形預(yù)測

        2.1 工程概況

        黃家溝隧道長7827.279m,地處荊山山脈,屬構(gòu)造侵蝕剝蝕低山地貌區(qū),隧址區(qū)內(nèi)地勢總體上呈現(xiàn)中間高兩側(cè)低的態(tài)勢,地形復(fù)雜,溝壑交錯,山巒縱橫。主體山勢呈北西-南東向延展,連綿起伏,地形切割較深,峰谷相間。主要巖性為志留系下統(tǒng)羅惹坪組砂質(zhì)頁巖、新灘組砂頁巖。地下水主要類型有第四系孔隙潛水、基巖裂隙水。隧道現(xiàn)場開挖至D1K468+445里程時,掌子面左側(cè)開始涌出股狀水。

        2.2 構(gòu)造BP神經(jīng)網(wǎng)絡(luò)學習樣本

        根據(jù)黃家溝隧道變形監(jiān)測數(shù)據(jù)資料,選取里程樁號分別為 D1K468+430、D1K468+435、D1K468+440、D1K468+445、D1K468+450、D1K468+455、D1K468+460的隧道斷面, 來研究開挖洞室變形情況。

        具體的工程地質(zhì)及洞室形變情況見表1。隧道在周圍巖體的物理力學參數(shù)見表2。

        表2 頁巖的物理力學參數(shù)

        由于BP神經(jīng)網(wǎng)絡(luò)樣本必須具有代表性和均勻性,因此構(gòu)造了如表3所示的學習樣本集。另外本文在結(jié)合大量隧道工程實踐和參閱相關(guān)文獻[13-16]的基礎(chǔ)上,對不同洞段的工程參數(shù)和變形情況進行統(tǒng)計分析,選取了7個影響因素。輸入層7個神經(jīng)元,分別對應(yīng)巖體的密度、吸水率、抗壓強度、摩擦角、涌水量、襯砌類型、封閉用時等圍巖變形量影響因子。輸出層選取3個神經(jīng)元,對應(yīng)拱頂下沉、水平收斂1和水平收斂2。并將襯砌類型量化,IVa2用1表示,IVb用2表示,Va用3表示,Vb用4表示,Vc用5表示。本文選取的學習樣本均來源于實際工程的典型斷面,可較好地反映富水巖層的地質(zhì)特征及其變形規(guī)律,在預(yù)測過程中具有較好的適應(yīng)性,可以減小神經(jīng)網(wǎng)絡(luò)樣本的訓練誤差,提高后續(xù)預(yù)測的精度。

        表3 富水巖層圍巖變形量BP神經(jīng)網(wǎng)絡(luò)學習樣本

        2.3 BP神經(jīng)網(wǎng)絡(luò)的輸入模型

        取得樣本集后,采用三層BP網(wǎng)絡(luò)進行學習。將輸入、輸出原始數(shù)據(jù)均轉(zhuǎn)化為有效數(shù)值數(shù)據(jù),輸入向量X由密度、吸水率、抗壓強度、摩擦角、涌水量組成,輸出向量Y由拱頂下沉、水平收斂1、水平收斂2組成。如表4所示,設(shè)置一個隱含層,經(jīng)過反復(fù)調(diào)試,當隱含層節(jié)點數(shù)n=15、學習精度為0.01時網(wǎng)絡(luò)收斂性比較好,可用于反演計算。由圖2可知,將各個樣本分別集輸入網(wǎng)絡(luò)進行學習,隨著迭代次數(shù)的增加,輸出的均方誤差趨于穩(wěn)定,在第4908次迭代時達到目標訓練誤差。由圖3可知,神經(jīng)網(wǎng)絡(luò)訓練的樣本集數(shù)據(jù)適應(yīng)性較好,樣本訓練的相關(guān)系數(shù)高達0.99914。

        圖3 訓練誤差曲線

        2.4 富水巖層圍巖變形量預(yù)測

        由于預(yù)測斷面還沒有開挖,襯砌類型選擇設(shè)計參數(shù),封閉時間取學習樣本的平均值進行預(yù)測。調(diào)用上文建立的BP神經(jīng)網(wǎng)絡(luò)模型,將有效的輸入?yún)?shù)(表5)輸入人工神經(jīng)網(wǎng)BP絡(luò)模型,獲取黃家溝隧道D1K468+465~D1K468+475斷面拱頂下沉、水平收斂1、水平收斂2的數(shù)據(jù)(表6)。

        2.5 圍巖變形現(xiàn)場監(jiān)測

        表4 最優(yōu)BP神經(jīng)網(wǎng)絡(luò)模型信息

        表5 BP神經(jīng)網(wǎng)絡(luò)輸入模型

        表6 黃家溝隧道D1K468+465-D1K468+475斷面圍巖變形預(yù)測結(jié)果

        本次試驗地點為黃家溝隧道,在D1K468+465~D1K468+475里程布設(shè)了5個測點,包括1個拱頂沉降監(jiān)測點,4個水平收斂監(jiān)測點。具體監(jiān)測數(shù)據(jù)如表7所示。

        表7 黃家溝隧道D1K468+465-D1K468+475斷面圍巖變形監(jiān)測結(jié)果

        2.6 誤差分析

        評定預(yù)測好壞的方式較多,主要有:絕對平均偏差(MAD)、均方誤差(MSE)、絕對平均百分比(MAPE)以及平均百分比誤差(MPE)等。 若以表示預(yù)測值,yi表示實際值,則各誤差測定值計算公式分別為:

        具體分析數(shù)據(jù)見表8—表10。

        表8 拱頂下沉的性能指標

        表9 水平收斂1的性能指標

        表10 水平收斂2的性能指標

        BP神經(jīng)網(wǎng)絡(luò)在富水巖層中預(yù)測結(jié)果與實際測量值之間有很好的線性關(guān)系。從表8—表10可以看出,絕對平均偏差和均方誤差都略大,考慮到實際工程條件的復(fù)雜性和不可控性,預(yù)測結(jié)果還是較準確的。

        3 結(jié)論與討論

        3.1 結(jié)論

        (1)BP神經(jīng)網(wǎng)絡(luò)有著良好的非線性信息存儲能力和自適應(yīng)性,利用BP神經(jīng)網(wǎng)絡(luò)預(yù)測富水巖層中圍巖變形量,在實際應(yīng)用中是完全可行的,可以為工程所需的計算提供參考,對隧道工程信息化設(shè)計具用實際意義。

        (2)富水巖層中圍巖變形量的影響因素包括巖體的密度、吸水率、抗壓強度、摩擦角、涌水量、襯砌類型、封閉時間。預(yù)測富水巖層中圍巖變形量BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)包括7個輸入神經(jīng)元、一層隱含層、15個隱含層神經(jīng)元和3個輸出神經(jīng)元。

        (3)本文利用BP神經(jīng)網(wǎng)絡(luò)預(yù)測模型計算得到了新建鄭州至萬州鐵路湖北黃家溝隧道,在D1K468+465處拱頂沉降量為18.2mm,水平收斂1變形量為13.9mm,水平收斂2變形量為9.8mm;在D1K468+470處拱頂沉降量為23.1mm,水平收斂1變形量為18.3mm,水平收斂2變形量為10.7mm;在D1K468+475處拱頂沉降量為25.4mm,水平收斂1變形量為19.2mm,水平收斂2變形量為11.3mm。

        3.2 討論

        BP神經(jīng)網(wǎng)絡(luò)對訓練樣本的多元化有嚴重依賴,訓練樣本多元化,訓練精度也就越高。本文的訓練樣本并不全面,今后可通過資源共享、大數(shù)據(jù)處理以及多學科的合作,精選出更多全面、可靠的富水巖層圍巖變形量水巖層圍巖變形量,建立數(shù)據(jù)庫,構(gòu)筑起一個實用范圍廣泛的富水巖層圍巖變形量預(yù)測模型,為后來研究者提供一種實用、便捷、批量處理的新方式。

        猜你喜歡
        富水巖層神經(jīng)元
        高應(yīng)力巖層巷道鉆孔爆破卸壓技術(shù)
        《從光子到神經(jīng)元》書評
        自然雜志(2021年6期)2021-12-23 08:24:46
        地球故事之復(fù)理石巖層
        富水砂卵石地層錨索施工工藝工法
        超級高密度電法在新疆某礦區(qū)富水性評價應(yīng)用研究
        躍動的神經(jīng)元——波蘭Brain Embassy聯(lián)合辦公
        掘進巷道構(gòu)造富水性電法探測綜合應(yīng)用研究
        基于二次型單神經(jīng)元PID的MPPT控制
        毫米波導(dǎo)引頭預(yù)定回路改進單神經(jīng)元控制
        淺埋偏壓富水隧道掘進支護工藝分析
        河南科技(2015年4期)2015-02-27 14:21:05
        扒下语文老师的丝袜美腿| 日本无码欧美一区精品久久| 国产一区二区三精品久久久无广告| 亚洲精品国产电影| 乱色精品无码一区二区国产盗| 国产午夜三级一区二区三| 三级国产女主播在线观看| 国产视频一区二区三区在线看| 男女18视频免费网站| s级爆乳玩具酱国产vip皮裤| 99久久夜色精品国产网站| 色婷婷精品综合久久狠狠| 亚洲av网站在线免费观看| 青青草手机在线免费视频| 无人区乱码一区二区三区 | 大地资源中文第3页| 欧美性xxxx狂欢老少配| 国产在线精品福利大全| 亚洲国产综合精品中文| 伊人情人色综合网站| 高清破外女出血av毛片| 欧美在线资源| 国产大全一区二区三区| 亚洲国产精品av在线| 国产高潮刺激叫喊视频| 国产精品亚洲一区二区无码国产| 日本高清一区二区三区视频 | 亚洲中文字幕每日更新| 91精品91| 精品老熟女一区二区三区在线| 天堂网站一区二区三区| 白又丰满大屁股bbbbb| 一区二区三区放荡人妻| 中文字幕av素人专区| 极品白嫩的小少妇| 一区一级三级在线观看| 国产一区二区三区在线观看免费版 | 色佬精品免费在线视频| 中文字幕亚洲欧美日韩2019| 国产剧情无码中文字幕在线观看不卡视频| 精品一区二区av在线|