梁峰
(喀左縣水資源辦公室,遼寧 朝陽(yáng) 122300)
據(jù)統(tǒng)計(jì),已有的大壩失事事件中,近40%是由于壩基的基礎(chǔ)問題造成的。因此,在大壩的施工建設(shè)過(guò)程中,做好壩基的工程技術(shù)處理顯得尤為重要。目前,帷幕灌漿是大壩壩基處理領(lǐng)域最常用的方式,具有施工方法簡(jiǎn)單,工程經(jīng)濟(jì)性高的優(yōu)勢(shì)。但是,帷幕灌漿的施工對(duì)象均在隱蔽處,其漿液的流動(dòng)和擴(kuò)散填充情況無(wú)法直接探知,這也給灌漿工程的質(zhì)量控制造成諸多困擾[1]。
在大壩帷幕灌漿設(shè)計(jì)和施工中,對(duì)灌漿量的預(yù)測(cè)一般都依靠工程技術(shù)人員的經(jīng)驗(yàn)。由于壩基巖土體的性質(zhì)比較復(fù)雜,其內(nèi)部的裂隙發(fā)育程度及分布特征難以有效判斷,因此,人工經(jīng)驗(yàn)為基礎(chǔ)的注漿量預(yù)測(cè),往往造成預(yù)測(cè)結(jié)果存在較大的偏差,不利于工程經(jīng)濟(jì)性的實(shí)現(xiàn)和注漿施工質(zhì)量的有效控制[2]。基于此,諸多學(xué)者將人工智能方法應(yīng)用于灌漿量的預(yù)測(cè)研究,并取得了一定的工程效果[3]。此次研究以具體工程為背景,對(duì)常用的3 種預(yù)測(cè)模型進(jìn)行對(duì)比分析,為相關(guān)應(yīng)用提供有益的支持和借鑒。
人工神經(jīng)網(wǎng)具有大規(guī)模并行處理、分布式信息存儲(chǔ)、良好的自組織和自學(xué)能力,目前已經(jīng)廣泛應(yīng)用于巖土工程研究領(lǐng)域[4]。BP 神經(jīng)網(wǎng)算法作為人工神經(jīng)網(wǎng)的一種,在計(jì)算過(guò)程中具有信號(hào)向前轉(zhuǎn)播和誤差反向傳播兩個(gè)過(guò)程。在正向傳播過(guò)程中,輸入信號(hào)可以通過(guò)隱含層作用輸出節(jié)點(diǎn),經(jīng)過(guò)非線性變換從而產(chǎn)生輸出信號(hào),如果實(shí)際輸出值和期望值存在不相符的現(xiàn)象,則轉(zhuǎn)入誤差反向傳播過(guò)程。誤差反向傳播是將輸出誤差通過(guò)隱含層向輸入層反傳,然后通過(guò)輸入節(jié)點(diǎn)和隱含節(jié)點(diǎn)連接強(qiáng)度及閾值的調(diào)整,使誤差沿著梯度方向不斷下降,經(jīng)過(guò)反復(fù)學(xué)習(xí)訓(xùn)練,確定最小誤差與相應(yīng)的網(wǎng)絡(luò)參數(shù),算法結(jié)束。
支持向量機(jī)(Support VectorM achine,SVM )以統(tǒng)計(jì)學(xué)習(xí)理論和結(jié)構(gòu)風(fēng)險(xiǎn)最小化原理為基礎(chǔ),基于嚴(yán)格的數(shù)學(xué)理論,可以實(shí)現(xiàn)在較小樣本的基礎(chǔ)上最大限度提高預(yù)測(cè)的準(zhǔn)確性和可靠性,對(duì)工程中的小樣本問題具有良好的學(xué)習(xí)和推廣能力。即使樣本的容量不大,也不會(huì)陷入“維數(shù)災(zāi)難”[5]。同時(shí),該方法還具有良好的泛化性能,可以獲得全局最優(yōu)解。LIBSVM 是臺(tái)灣大學(xué)著名教授林智仁開發(fā)設(shè)計(jì)的一款簡(jiǎn)單、易于使用和快速有效的SVM 模式識(shí)別和軟件包。在此次研究中,基于Matlab 平臺(tái)編寫注漿量LIBSVM 模型,對(duì)背景工程的注漿量進(jìn)行計(jì)算。
DCI-ELMK 是一種基于Delta 檢驗(yàn)(DT)算法和混沌優(yōu)化算法(COA)的極限學(xué)習(xí)機(jī)算法[6]。該方法的基本思路是先利用COA 的全局搜索能力對(duì)(I-ELM)的隱含層節(jié)點(diǎn)參數(shù)(a,b) 進(jìn)行參數(shù)識(shí)別,再根據(jù)DT 計(jì)算輸出權(quán)值,可以有效減少IELM 算法學(xué)習(xí)時(shí)間,降低網(wǎng)絡(luò)結(jié)構(gòu)的復(fù)雜程度,提高算法學(xué)習(xí)能力。同時(shí),采用位置核映射代替一直隱含層映射,可增強(qiáng)算法的在線預(yù)測(cè)能力[7]。
三道嶺水庫(kù)是一座以防洪和供水為主要功能,兼具農(nóng)田灌溉、旅游、養(yǎng)殖等多種功能為一體的?。?)型水利工程,其壩址位于遼寧省營(yíng)口市周家鎮(zhèn)境內(nèi)。鑒于該水庫(kù)病險(xiǎn)情況比較嚴(yán)重,營(yíng)口市積極籌措資金對(duì)該水庫(kù)進(jìn)行除險(xiǎn)加固,并在原壩址下游100.0 m 處新建水庫(kù)大壩。根據(jù)工程設(shè)計(jì)階段的地質(zhì)調(diào)查資料,新建大壩壩基表面的覆蓋層主要是沙壤土與堆積的砂礫石,河谷基底主要為白堊紀(jì)砂巖和礫巖,巖體表面風(fēng)化比較嚴(yán)重。因此,施工中需要清除上層的沙壤土,并對(duì)壩基進(jìn)行防滲帷幕處理,設(shè)計(jì)灌漿線與壩軸線重合,主河床的灌漿長(zhǎng)度為265.5 m,防滲帷幕原始設(shè)計(jì)深度為基巖面以下18.0~20.0 m。
此次研究以三道嶺水庫(kù)新壩址壩基帷幕灌漿工程為依據(jù),利用BP 神經(jīng)網(wǎng)、LIBSVM 支持向量機(jī)模型、改進(jìn)混合學(xué)習(xí)機(jī)算法(DCI-ELMK)等預(yù)測(cè)模型對(duì)注漿量進(jìn)行預(yù)測(cè)研究,并與施工中采集的具體數(shù)據(jù)進(jìn)行對(duì)比,對(duì)注漿量、性能指標(biāo)進(jìn)行對(duì)比研究,對(duì)3 種模型的預(yù)測(cè)效果和精度進(jìn)行評(píng)價(jià)[8]。
2.2.1 注漿量預(yù)測(cè)結(jié)果
利用3 個(gè)預(yù)測(cè)模型對(duì)背景工程的65 個(gè)注漿孔的注漿量、注灰量進(jìn)行預(yù)測(cè)分析,并與實(shí)測(cè)結(jié)果進(jìn)行對(duì)比,根據(jù)注漿量結(jié)果繪制出注漿量和注灰量的對(duì)比圖,如圖1 和圖2 所示。由圖1,2 可以看出,3 種不同的預(yù)測(cè)模型相比,LIBSVM 模型的預(yù)測(cè)結(jié)果和實(shí)測(cè)值最為接近,預(yù)測(cè)精度最高,BP 神經(jīng)網(wǎng)模型次之,誤差最大的是DCI-ELMK 模型。由此可見,LIBSVM 模型的預(yù)測(cè)結(jié)果可以為工程應(yīng)用提供較有說(shuō)服力的理論支持。
圖1 注漿量實(shí)測(cè)值與預(yù)測(cè)值對(duì)比
圖2 注灰量實(shí)測(cè)值與預(yù)測(cè)值對(duì)比
2.2.2 不同模型的性能指標(biāo)對(duì)比
研究中對(duì)不同模型的性能指標(biāo)進(jìn)行計(jì)算,結(jié)果如表1 所示。從表1 可以看出,LIBSVM 模型的各項(xiàng)指標(biāo)均為最優(yōu),因此,在注漿量的預(yù)測(cè)計(jì)算方面具有較為明顯的優(yōu)勢(shì),利用該方法對(duì)施工現(xiàn)場(chǎng)的注漿量及注灰量進(jìn)行對(duì)比分析,可以有效確定各個(gè)注漿孔段的注漿量是否合理,避免造成注漿材料的浪費(fèi),造成不必要的經(jīng)濟(jì)損失。
表1 模型性能指標(biāo)計(jì)算結(jié)果
利用理論和實(shí)踐相結(jié)合的方法,對(duì)注漿量預(yù)測(cè)領(lǐng)域的3 個(gè)數(shù)學(xué)模型的預(yù)測(cè)精度進(jìn)行對(duì)比分析,結(jié)果顯示,LIBSVM 模型的預(yù)測(cè)結(jié)果可以為工程應(yīng)用提供較有說(shuō)服力的理論支持。當(dāng)然,在模型計(jì)算過(guò)程中的參數(shù)優(yōu)化方法眾多,此次研究直接應(yīng)用計(jì)算機(jī)軟件進(jìn)行優(yōu)化分析,在今后的研究中需要采用更多的參數(shù)優(yōu)化方法,進(jìn)一步提升模型的預(yù)測(cè)精度。