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

        ?

        基于遺傳算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)的不良路基沉降量預(yù)測(cè)應(yīng)用研究

        2022-08-01 03:02:56韋周帥李瑞嬌李運(yùn)高
        西部交通科技 2022年5期
        關(guān)鍵詞:優(yōu)化模型

        韋周帥,譚 毅,李瑞嬌,李運(yùn)高

        (1.廣西新發(fā)展交通集團(tuán)有限公司,廣西 南寧 530029;2.廣西交科集團(tuán)有限公司 廣西 南寧 530007;3.廣西北部灣投資集團(tuán)有限公司欽北高速公路改擴(kuò)建工程建設(shè)指揮部,廣西 北海 536000)

        0 引言

        路基作為道路基礎(chǔ),其沉降幅度直接影響道路的變形與穩(wěn)定,尤其對(duì)軟土、紅黏土、膨脹土等特殊路基及地基加固工程而言,路基沉降是最重要的性能評(píng)價(jià)指標(biāo)。

        近年來(lái),人工神經(jīng)網(wǎng)絡(luò)因其自組織、自學(xué)習(xí)與自適應(yīng)的能力而廣泛應(yīng)用于各個(gè)行業(yè)的科學(xué)研究,其中包括城市道路病害預(yù)警及巖土工程領(lǐng)域[1-2]。相對(duì)于傳統(tǒng)預(yù)測(cè)方法,如經(jīng)驗(yàn)公式法[3]、Biot固結(jié)理論[4]、FLAC3D、Fluent、Abaqus、COMSOL等基于本構(gòu)模型進(jìn)行有限元計(jì)算方法[5-6],BP神經(jīng)網(wǎng)絡(luò)算法建模能夠更好地利用輸入與輸出參數(shù)相關(guān)性,不需要建立土工數(shù)值模型進(jìn)行計(jì)算,更易于獲得預(yù)測(cè)值[7]。利用BP神經(jīng)網(wǎng)絡(luò)進(jìn)行路基沉降預(yù)測(cè)的相關(guān)研究較多,但BP神經(jīng)網(wǎng)絡(luò)需要大量的不同性質(zhì)的訓(xùn)練樣本,而實(shí)際工程中因?yàn)榭紤]監(jiān)測(cè)成本及施工難度等,往往訓(xùn)練樣本有限,導(dǎo)致提供的數(shù)據(jù)樣本量不夠,應(yīng)用BP神經(jīng)網(wǎng)絡(luò)建模計(jì)算結(jié)果偏差較大[8-9]。實(shí)際上,大多數(shù)運(yùn)營(yíng)道路能提供的數(shù)據(jù)多為多年路基沉降值,而依據(jù)相關(guān)研究,BP神經(jīng)網(wǎng)絡(luò)要想達(dá)到滿意的預(yù)測(cè)結(jié)果,訓(xùn)練樣本需要包括多年沉降值、路基路面材料特性、地下水位變化,以及氣溫、降雨監(jiān)測(cè)等多年觀測(cè)材料[10],這大大增加了工程觀測(cè)成本。

        針對(duì)以上問(wèn)題,本文基于遺傳優(yōu)化算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò),獲得遺傳優(yōu)化BP神經(jīng)網(wǎng)絡(luò),進(jìn)而利用多年路基沉降值預(yù)測(cè)路基沉降,通過(guò)項(xiàng)目工程實(shí)測(cè)路基沉降數(shù)據(jù)進(jìn)行訓(xùn)練及預(yù)測(cè),獲得準(zhǔn)確的遺傳優(yōu)化BP神經(jīng)網(wǎng)絡(luò)模型,提高輸入?yún)?shù)產(chǎn)出效率。研究成果可以簡(jiǎn)化訓(xùn)練樣本,且保障預(yù)測(cè)精度,提供更加準(zhǔn)確的路基沉降預(yù)測(cè)手段及預(yù)測(cè)結(jié)果,為工程決策提供可靠依據(jù)。

        1 方法介紹

        1.1 BP神經(jīng)網(wǎng)絡(luò)

        BP神經(jīng)網(wǎng)絡(luò)是一種多層的向前反饋的神經(jīng)模擬系統(tǒng),即前饋神經(jīng)網(wǎng)絡(luò),BP神經(jīng)網(wǎng)絡(luò)的主要特點(diǎn)體現(xiàn)在其誤差反向傳播、信號(hào)向前傳播。在信號(hào)從后向前傳遞的過(guò)程中,信號(hào)由輸入層、隱含層及輸出層三層處理,上級(jí)神經(jīng)元只影響臨近下級(jí)神經(jīng)元(見(jiàn)圖1)。輸出層必須得到預(yù)期輸出,否則信號(hào)將反向傳遞,修正閾值及權(quán)值,促使輸出層的預(yù)測(cè)輸出值不斷接近預(yù)期輸出值。

        圖1 BP神經(jīng)網(wǎng)絡(luò)模型拓?fù)浣Y(jié)構(gòu)圖

        圖1中,X1,X2,X3,…,Xn是輸入層的輸入值,Y1,Y2,Y3,…,Yn是輸出層的輸出預(yù)測(cè)值,wij和wjk為權(quán)值。

        1.2 遺傳算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)模型

        使用遺傳優(yōu)化BP神經(jīng)網(wǎng)絡(luò)可以分為三個(gè)模塊,包括確定BP神經(jīng)網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu),確定遺傳優(yōu)化參數(shù)和BP神經(jīng)網(wǎng)絡(luò)的預(yù)測(cè)模塊,流程見(jiàn)下頁(yè)圖2。其中,BP神經(jīng)網(wǎng)絡(luò)的確定是指確定BP神經(jīng)網(wǎng)絡(luò)輸入輸出參數(shù)個(gè)數(shù)、輸入輸出的權(quán)值個(gè)數(shù),以及隱含層和輸出層的閥值個(gè)數(shù),根據(jù)拓?fù)浣Y(jié)構(gòu)又可以確定遺傳算法的個(gè)體長(zhǎng)度。優(yōu)化神經(jīng)網(wǎng)絡(luò)的參數(shù)是神經(jīng)網(wǎng)絡(luò)的權(quán)值和閥值,優(yōu)化算法通過(guò)編碼把BP神經(jīng)網(wǎng)絡(luò)的權(quán)值、閥值及遺傳算法的輸入數(shù)據(jù)處理為種群,而此種群中每個(gè)個(gè)體都持有了一個(gè)閥值或權(quán)值。

        圖2 遺傳算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)流程圖

        1.3 優(yōu)化要素

        遺傳優(yōu)化BP神經(jīng)網(wǎng)絡(luò)即利用遺傳優(yōu)化算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)的初始閥值和權(quán)值。根據(jù)遺傳算法理論,其優(yōu)化要素按順序排列包括:(1)種群初始化;(2)適應(yīng)度函數(shù);(3)選擇操作;(4)交叉操作;(5)變異操作。各要素的具體內(nèi)容可以參見(jiàn)相關(guān)文獻(xiàn)[11]。

        2 路基沉降預(yù)測(cè)

        實(shí)測(cè)數(shù)據(jù)取自某公路兩幅不同位置的S1、S2通道斷面,該項(xiàng)目為軟土路基加固工程。其中S1監(jiān)測(cè)斷面數(shù)據(jù)22個(gè),S2監(jiān)測(cè)斷面數(shù)據(jù)21個(gè),分別源自處治后兩年內(nèi)的不定期監(jiān)測(cè)數(shù)據(jù)。本案例基于Matlab實(shí)現(xiàn)計(jì)算,依據(jù)實(shí)測(cè)數(shù)據(jù),建立模型的輸入輸出數(shù)據(jù),即從已知的數(shù)據(jù)中一次取5個(gè)不同時(shí)刻的實(shí)測(cè)沉降值,用前4個(gè)時(shí)刻的數(shù)據(jù)作為網(wǎng)絡(luò)輸入值,后1個(gè)做網(wǎng)絡(luò)的輸出值。這樣S1和S2就分別得到了時(shí)距不等長(zhǎng)的18組學(xué)習(xí)(訓(xùn)練)樣本和17組學(xué)習(xí)(訓(xùn)練)樣本,見(jiàn)表1。通過(guò)數(shù)據(jù)的預(yù)處理,預(yù)測(cè)模型有4個(gè)輸入?yún)?shù),1個(gè)輸出參數(shù),隱含層節(jié)點(diǎn)數(shù)為9。所以設(shè)置神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)為4-9-1,即輸入層有4個(gè)節(jié)點(diǎn),隱含層有9個(gè)節(jié)點(diǎn),輸出層有1個(gè)節(jié)點(diǎn);共有45個(gè)權(quán)值,10閥值。如此,用S1時(shí)距不等長(zhǎng)的前15組作為訓(xùn)練數(shù)據(jù),后3組作為測(cè)試數(shù)據(jù);用S2時(shí)距不等長(zhǎng)的前14組作為訓(xùn)練數(shù)據(jù),后3組作為測(cè)試數(shù)據(jù);通過(guò)遺傳優(yōu)化的BP神經(jīng)網(wǎng)絡(luò)計(jì)算預(yù)測(cè),把訓(xùn)練數(shù)據(jù)預(yù)測(cè)的誤差絕對(duì)值作為測(cè)試個(gè)體的適應(yīng)度值,選用適應(yīng)度值最小的個(gè)體進(jìn)行預(yù)測(cè)計(jì)算。

        3 結(jié)果分析

        3.1 S1通道監(jiān)測(cè)斷面預(yù)測(cè)結(jié)果分析

        優(yōu)化過(guò)程中,進(jìn)化次數(shù)設(shè)置為20,種群規(guī)模設(shè)置為10,交叉極高率設(shè)置為0.2,變異概率設(shè)置為0.1;設(shè)置迭代次數(shù)1 000次,但是迭代7次就達(dá)到了設(shè)置的收斂目標(biāo)0.000 1;學(xué)習(xí)率設(shè)置為0.1。遺傳優(yōu)化的適應(yīng)度曲線見(jiàn)圖3。由圖3可知,遺傳算法優(yōu)化構(gòu)成中,當(dāng)進(jìn)化代數(shù)達(dá)到10次后,平均適應(yīng)度值就已經(jīng)達(dá)到穩(wěn)定,說(shuō)明選擇進(jìn)化20次是滿足進(jìn)化要求的。

        表1 不等時(shí)距學(xué)習(xí)(訓(xùn)練)樣本數(shù)據(jù)統(tǒng)計(jì)表

        圖3 S1通道監(jiān)測(cè)斷面神經(jīng)網(wǎng)絡(luò)適應(yīng)度曲線圖

        S1通道監(jiān)測(cè)斷面的預(yù)測(cè)結(jié)果見(jiàn)表2。模型輸出選擇預(yù)測(cè)時(shí)間分別為448 d、513 d、616 d、693 d,由表2可知,S1通道監(jiān)測(cè)斷面路基沉降值的預(yù)測(cè)值與實(shí)際值偏差不大,相對(duì)誤差分布在1.03%~5.61%,最大達(dá)到17 mm,相對(duì)誤差為5.61%,說(shuō)明預(yù)測(cè)結(jié)果是可靠的。

        表2 S1通道監(jiān)測(cè)斷面預(yù)測(cè)結(jié)果表

        3.2 S2通道監(jiān)測(cè)斷面預(yù)測(cè)結(jié)果分析

        模型參數(shù)設(shè)置同S1通道監(jiān)測(cè)斷面的路基沉降預(yù)測(cè)模型,程序的遺傳優(yōu)化適應(yīng)度曲線見(jiàn)圖4。由圖4可知,遺傳算法優(yōu)化構(gòu)成中,當(dāng)進(jìn)化代數(shù)達(dá)到15次后,平均適應(yīng)度值就已經(jīng)達(dá)到穩(wěn)定,說(shuō)明選擇進(jìn)化20次是滿足進(jìn)化要求的。

        圖4 S2通道監(jiān)測(cè)斷面神經(jīng)網(wǎng)絡(luò)適應(yīng)度曲線圖

        S2通道監(jiān)測(cè)斷面的預(yù)測(cè)結(jié)果見(jiàn)表3。模型輸出選擇預(yù)測(cè)時(shí)間分別為451 d、516 d、619 d、696 d,由表3可知,S2通道監(jiān)測(cè)斷面路基沉降值的預(yù)測(cè)值與實(shí)際值偏差也不大,相對(duì)誤差分布在2.36%~3.69%,最大達(dá)到16 mm,相對(duì)誤差為3.69%,說(shuō)明預(yù)測(cè)結(jié)果可靠。

        表3 S2通道監(jiān)測(cè)斷面預(yù)測(cè)結(jié)果表

        3.3 適用性評(píng)估

        (1)通過(guò)兩個(gè)不同位置通道監(jiān)測(cè)斷面的沉降預(yù)測(cè)結(jié)果對(duì)比可知,預(yù)測(cè)結(jié)果與實(shí)際檢測(cè)的數(shù)值絕對(duì)誤差約為3~17 mm,相對(duì)誤差可以控制在6%之內(nèi),符合使用要求,證明了此種方法預(yù)測(cè)路基沉降的可行性。

        (2)本研究中S1、S2通道監(jiān)測(cè)斷面的沉降實(shí)際數(shù)據(jù)檢測(cè)并非嚴(yán)格采取相同的時(shí)間間隔測(cè)定,這種不規(guī)律為本模型對(duì)未來(lái)將要發(fā)生的路基沉降預(yù)測(cè)時(shí)間節(jié)點(diǎn)造成了一定的難度,間接地提高了數(shù)據(jù)的樣本需求量。

        (3)S1、S2兩個(gè)通道監(jiān)測(cè)斷面的神經(jīng)網(wǎng)絡(luò)模型的預(yù)測(cè)值與實(shí)際值誤差的規(guī)律略有不同。S2的模型預(yù)測(cè)值普遍高于實(shí)際值,相對(duì)誤差變異系數(shù)為0.188,S1的模型預(yù)測(cè)值存在著小于或大于實(shí)際值的情況,相對(duì)誤差變異系數(shù)為0.593。這種結(jié)果與兩個(gè)通道監(jiān)測(cè)斷面的數(shù)據(jù)分布規(guī)律有關(guān),可通過(guò)神經(jīng)網(wǎng)絡(luò)模型中不同的模型參數(shù)設(shè)置進(jìn)行優(yōu)化,如隱含層層數(shù)及節(jié)點(diǎn)數(shù)。

        (4)BP神經(jīng)網(wǎng)絡(luò)的特點(diǎn)是具有學(xué)習(xí)性和迭代性,數(shù)據(jù)數(shù)量越多,其結(jié)果越準(zhǔn)確,是當(dāng)前基礎(chǔ)設(shè)施大數(shù)據(jù)應(yīng)用研究的核心方法。因此,通過(guò)加密監(jiān)測(cè)段的數(shù)據(jù)采集頻率,提高數(shù)據(jù)樣本量,并實(shí)現(xiàn)長(zhǎng)期的數(shù)據(jù)庫(kù)更新,是提高其精度的有效方法。

        綜上所述,相對(duì)于多元素下路基沉降的理論分析,基于遺傳算法優(yōu)化的BP神經(jīng)網(wǎng)絡(luò)對(duì)于路基沉降的預(yù)測(cè)方法適用性更好,主要體現(xiàn)在原理簡(jiǎn)單、結(jié)果準(zhǔn)確、可實(shí)現(xiàn)自我學(xué)習(xí)更新、實(shí)用性強(qiáng)等特點(diǎn)。

        4 結(jié)語(yǔ)

        在路基沉降預(yù)測(cè)方面,為了減少輸入?yún)?shù),保障路基沉降預(yù)測(cè)精度,本文應(yīng)用遺傳算法優(yōu)化了BP神經(jīng)網(wǎng)絡(luò),并基于遺傳優(yōu)化BP神經(jīng)網(wǎng)絡(luò),結(jié)合某公路不同位置兩個(gè)通道監(jiān)測(cè)斷面的路基沉降數(shù)據(jù)進(jìn)行了模型訓(xùn)練及預(yù)測(cè)。結(jié)果表明:簡(jiǎn)化輸入?yún)?shù)的優(yōu)化BP神經(jīng)網(wǎng)絡(luò),在只將實(shí)際工程前期監(jiān)測(cè)的沉降值作為訓(xùn)練樣本輸入的情況下,進(jìn)化20次以內(nèi)即可準(zhǔn)確預(yù)測(cè)路基沉降量,預(yù)測(cè)誤差可控制在6%以內(nèi),體現(xiàn)了該方法的可行性。相對(duì)于多元素下路基沉降的理論分析,基于遺傳算法優(yōu)化的BP神經(jīng)網(wǎng)絡(luò)對(duì)于路基沉降的預(yù)測(cè)方法適用性更好,可用于不良土路基及地基加固工程的長(zhǎng)期變形預(yù)測(cè)和效果評(píng)價(jià),其原理簡(jiǎn)單、結(jié)果準(zhǔn)確、可實(shí)現(xiàn)自我學(xué)習(xí)更新、實(shí)用性強(qiáng)等特點(diǎn),為今后基礎(chǔ)設(shè)施狀態(tài)評(píng)估提供了廣闊的應(yīng)用空間。

        猜你喜歡
        優(yōu)化模型
        一半模型
        超限高層建筑結(jié)構(gòu)設(shè)計(jì)與優(yōu)化思考
        民用建筑防煙排煙設(shè)計(jì)優(yōu)化探討
        關(guān)于優(yōu)化消防安全告知承諾的一些思考
        一道優(yōu)化題的幾何解法
        由“形”啟“數(shù)”優(yōu)化運(yùn)算——以2021年解析幾何高考題為例
        重要模型『一線三等角』
        重尾非線性自回歸模型自加權(quán)M-估計(jì)的漸近分布
        3D打印中的模型分割與打包
        FLUKA幾何模型到CAD幾何模型轉(zhuǎn)換方法初步研究
        日本理伦片午夜理伦片| 精品少妇人妻av一区二区蜜桃| 一区二区三区四区国产99| 成人国产精品一区二区视频 | 日本xxxx色视频在线观看免费| 免费无遮挡禁18污污网站| 国产精品刺激好大好爽视频| 免费在线观看蜜桃视频| 国产免费一区二区在线视频| 亚洲av无码国产精品草莓在线| 欧美精品偷自拍另类在线观看| 国产欧美亚洲精品第二区首页| 日本一区二区三区精品免费| 成人欧美一区二区三区在线观看| 亚洲中文字幕无码mv| 欧美黑人xxxx性高清版| 国产精品国产传播国产三级| 亚洲午夜久久久久久久久电影网| 无码人妻少妇色欲av一区二区| 久久久久久久综合日本| 亚洲人成伊人成综合久久| 国模冰莲自慰肥美胞极品人体图| 成人免费毛片内射美女-百度| AV在线中出| 九七青青草视频在线观看| av鲁丝一区鲁丝二区鲁丝三区| 国产高潮刺激叫喊视频| 中文字幕一区二区网站 | 国产情侣久久久久aⅴ免费| 国产在线观看黄| 国产亚洲av夜间福利在线观看| 亚洲av成人无码一区二区三区在线观看| 野外性史欧美k8播放| 久久精品国产亚洲AⅤ无码剧情| 日本按摩偷拍在线观看| 亚洲av片在线观看| 精品十八禁免费观看| 午夜精品人妻中字字幕| 天堂8在线新版官网| 国精产品一品二品国在线| 人妻无码AⅤ中文系列久久免费|