(石家莊鐵道大學 河北 石家莊 050043)

一、BP神經(jīng)網(wǎng)絡(luò)模型

人工神經(jīng)網(wǎng)絡(luò)是隨著神經(jīng)生理科學、數(shù)學、計算機科學等學科的發(fā)展而產(chǎn)生的一門新興的交叉邊緣學科。其中，最常用的是BP神經(jīng)網(wǎng)絡(luò)，多用于向前網(wǎng)絡(luò)的反向傳播。BP神經(jīng)網(wǎng)絡(luò)因具有較強的學習能力、抗故障性和并行性等優(yōu)點，適合于解決地鐵施工風險這種非線性的復(fù)雜系統(tǒng)。

BP神經(jīng)網(wǎng)絡(luò)模型一般由三層組成，即輸入層、隱含層和輸出層，隱含層也被稱為處理層，其學習過程主要有輸入數(shù)據(jù)的正向傳播和與期望值誤差的反向傳播兩部分組成。其核心也就是輸入值正向傳播和誤差反復(fù)進行傳播的過程，直到達到預(yù)先設(shè)定的訓練次數(shù)或者是誤差達到規(guī)定的范圍之內(nèi)，即可停止學習訓練。

二、工程實例

為測試上述模型對地鐵施工風險的智能識別效果，筆者以北京潘家園西地鐵站為例進行實證分析。

(一)工程概況。潘家園西站位于潘家園東路和潘家園路交匯處南側(cè)。兩側(cè)均為住宅區(qū)。潘家園東路規(guī)劃紅線寬度為30m，潘家園路規(guī)劃紅線寬度為40m，均為雙向兩車道，交通比較繁忙。潘家園西站主體采用“PBA”工法施工，車站為暗挖地下雙層單跨箱型拱頂直墻箱型結(jié)構(gòu)，兩端區(qū)間均為盾構(gòu)區(qū)間。

(二)建立類似已完工程安全風險歷史數(shù)據(jù)庫。本論文主要以地鐵工程安全風險控制為重點闡述，通過報刊、書籍、期刊檢索和走訪設(shè)計、施工等單位和施工現(xiàn)場等方式，遴選了15個地鐵工程安全事故案例數(shù)據(jù)，在數(shù)據(jù)庫基礎(chǔ)上，對潘家園西地鐵站工程安全風險進行識別。

(三)潘家園西地鐵站施工風險的BPNN神經(jīng)網(wǎng)設(shè)計。通過文獻檢索、專家訪談、施工單位現(xiàn)場調(diào)研等方式，選取了地鐵工程施工相關(guān)的安全事故案例數(shù)據(jù)資料，并對其進行量化處理，如表1所示。

表1 土方開挖安全風險影響因素及類別表

以類似工程歷史樣本數(shù)據(jù)15組數(shù)據(jù)作為訓練樣本，運用BP神經(jīng)網(wǎng)絡(luò)對土方開挖為例，利用BP神經(jīng)網(wǎng)絡(luò)對土方開挖過程中塌方風險進行預(yù)測分析評價。

第二步，構(gòu)建估算模型并分析。

(1)對收集到的數(shù)據(jù)進行取值和賦值并整理，如表2所示。

表2 基礎(chǔ)數(shù)據(jù)表

(3)將前14組數(shù)據(jù)進行訓練，最大迭代次數(shù)800次。

(4)檢驗誤差，輸入第15個案例數(shù)據(jù)，每個樣本運算20次，將輸出的結(jié)果求取平均值并作為相應(yīng)的預(yù)測值，然后與實際值進行比較，計算誤差,滿足要求。

依據(jù)已建立的邊導(dǎo)洞開挖安全風險影響因素表，將擬建工程作為輸入值，運行模型，得到預(yù)測值為0.29，為2級風險，可接受，在風險等級不升級的情況下允許一定條件內(nèi)發(fā)生。

三、結(jié)論

通過搜集整理以往已完類似工程的歷史數(shù)據(jù)資料，建立地鐵施工安全風險控制歷史資料數(shù)據(jù)庫，并且運用神經(jīng)網(wǎng)絡(luò)等智能算法對該工程可能發(fā)生的風險類型和等級進行預(yù)測分析，從而較準確地提出相應(yīng)的預(yù)警措施，為其它地鐵施工安全風險的控制提供一些借鑒。