综述人工神经网络在地基沉降预测中的应用

-精选财经经济类资料- -最新财经经济资料-感谢阅读- 1 综述人工神经网络在地基沉降预测 中的应用 摘要：人工神经网络在近几年来 发展迅速，在岩土工程界得到了广泛的 应用，尤其在地基沉降预测方面取得了 突出了成绩，本文将结合现有的一些工 程实例来简单地综述一下人工神经网络 在地基沉降预测方面的优越性。 中国论文网 /2/view-12908343.htm 关键词：人工神经网络 地基沉 降 随着我国经济的发展，高速公路， 高层建筑等作为基础建设的一部分，也 得到了迅猛地发展。这些基础建设中最 首要的任务就是地基处理，因此对地基 沉降预测就成了工程建设者需要解决的 -精选财经经济类资料- -最新财经经济资料-感谢阅读- 2 首要问题之一。目前，对地基沉降预测 的方法很多，除了传统的计算方法以外， 还有可靠度分析法、沉降差法、FLAC 有限差分法等。近几年，随着人工神经 网络方法在岩土工程界的应用，利用人 工神经网络方法来预测地基的沉降已取 得的比较显著的成绩，本文将结合前人 的一些工程实例来综述人工神经网络在 地基沉降预测中的优越性。 1 人工神经网络的简介 人工神经网络（Artificial Neural Network，简称 ANN）1是集多种现代 科学技术为一体的一门新兴实用科学技 术。神经网络反映了人脑功能的基本特 性，是人脑的抽象、简化，模拟它的信 息处理是由神经元之间的相互作用来实 现的；知识与信息的存储表现为网络元 件互连间分布式的物理联系；学习和识 别取决于各神经元连接权值的动态变化 过程。人工神经网络正是在人类对其大 脑神经网络认识理解的基础上人工构造 的能够实瑰某种功能的神经网络。它是 -精选财经经济类资料- -最新财经经济资料-感谢阅读- 3 理论化的人脑神经网络的数学模型，是 基于模仿大脑神经网络结构和功能而建 立的一种信息处理系统。它实际上是由 大量简单元件相互连接而成的复杂网络， 具有高度的非线性，能够进行复杂的逻 辑操作和非线性关系实现的系统。 2BP 建模的基本思路 2.1 BP 神经网络原理 2 BP 神经网络（ Error Back C Propagation，简称 EBP 或 BP 神经网络 模型）是一种具有三层或三层以上阶层 结构的、采用多层前馈神经网络的误差 逆传模型。层间各神经元实现全连接， 即下层的每一个单元与上层的每个单元 都实现权连接，而每层神经元之间不连 接。网络按有导师示教的方式进行监督 训练学习，当一对学习模式提供给网络 后，神经元的激活值从输入层经中间层 向输出层传播，在输出层的各神经元均 获得网络的输入响应，并按照减小希望 输出与实际输出值之间误差的方向，从 输出层经各中间层逐修正各连接权值， -精选财经经济类资料- -最新财经经济资料-感谢阅读- 4 最后回到输入层，所以称之为“误差逆 传播算法”。随着这种误差逆传播修正 的不断进行，网络对输入模式响应的真 确率也不断上升，最后在允许的误差范 围内，网络达到平衡状态（实际输出值 接近于希望输出值）而自动收敛。 （1）BP 网络结构：最基本的 BP 网络只有 3 层结构，即输入层（由 n 个神经元节点组成） 、隐含层（由 p 个 神经元节点组成）和输出层（由 q 个神 经元节点组成） （图 1） 。 （2）BP 网络学习算法：误差逆 传播学习过程通过一个使能量函数最小 化过程来完成输入到输出的映射。通常 定义能量函数 E 为输出层单元的均方误 差，设有 L 个学习样本，则： （1） 式中， 、分别表示样本的实际输 出与希望输出。BP 网络的学习过程由 -精选财经经济类资料- -最新财经经济资料-感谢阅读- 5 向前计算过程和误差逆传播过程完成。 学习过程如下： 1）网络的初始化：输入学习率、 ；给定最大学习误差（收敛精确度） ； 给输入层至隐含层连接权矩阵、隐含层 至输出层的权矩阵 赋-1， 1区间的随机值。 2）为网络提供一组学习样本， 为不使输入节点的绝对值影响网络的学 习性能首先要对数据进行归一化处理。 国内文献3,4 常用的归一化处理方法： （1，2， ， ；1，2， ， ） （2） 其中， 、分别为第 j 个输入变量的 最大值和最小值。同样地，对输出层数 据也要做上述预处理。 3）对每个模式对（、 ） （1，2， ， ）进行一下操作： a计算各层加权输入值和输出 值： 隐含层加权输入，输出， （1，2， ， ） （3） 式中) 为网络的传递函数，可取 -精选财经经济类资料- -最新财经经济资料-感谢阅读- 6 双曲正切 S 形传递函数： （4） 输出层加权输入，输出， 1，2， ， （5） b计算各层误差： 输出层： 隐含层： c调整各边权值： 式中： 1，2， ， ；1，2， ， ；1，2， ， 。 d本次学习样本结束，进入下 一轮学习。 e判断：如果，学习结束。 以上是 BP 网络进行数学建模的 基本原理，在地基沉降预测中经常用到， 但是在由于影响地基沉降的因素具有不 -精选财经经济类资料- -最新财经经济资料-感谢阅读- 7 确定性和 BP 网络建模的广泛性，所以 在利用 BP 网络进行数学建模时，应注 意一些基本问题：常采用 S 型压缩函 数作为神经元激活函数，即；学习样 本对网络训练影响很大，数据源必须真 实有效；输入层的单元数应等于输人 向量的分量数目，输出层的单元数取决 于输出向量的分量数目，中间层的单元 数与网络输出逼近期望值所要求的精度、 学习样本集合中信号的噪声大小、所要 学习系统的复杂程度都有密切的联系， 目前大多数还需要根据经验确定中间层 的单元数。 2.2 BP 网络在地基沉降预测中的 数学模型 目前，国内已有一些学者试图利 用 BP 网络建立模型来预测地基沉降， 并取得了比较理想的效果：1）李旺林， 汤馥郁5利用 BP 神经网络对复合地基 进行建模，由于地基荷载与沉降之间存 在着负载的非线性关系，所以该模型包 括两方面的内容，一方面是利用 BP 神 -精选财经经济类资料- -最新财经经济资料-感谢阅读- 8 经网络建立复合地基综合荷载与沉降之 间非线性关系的数学模型，一方面是利 用 BP 神经网络建立沉降、单桩、桩间 土荷载与综合荷载之间的非线性映射关 系。该模型对复合地基沉降的模拟除个 别点外，绝大多数预测值接近实际值， 其模拟结果是比较有效的。此外有关复 合地基的 BP 模型还有王成华和陈海军 6的，其结果也是比较理想的；2）在 软基处理技术决策中，影响因素众多， 计算工作量大，设计理论不完善，经验 往往起重要的作用。因此，利用人工智 能、神经网络、计算机技术等，来进行 高速公路软基处理智能决策研究，无疑 是解决这一问题的可行途径。一些学者 8,9运用人工神经网络较强的非映射能 力来预测软土地基的沉降，利用实测资 料来对复杂的非线性的土工结构进行直 接建模，并计算出软土地基的沉降值， 获得满意的效果。 3BP 建模的一些问题 人工神经网络在基底沉降预测方 -精选财经经济类资料- -最新财经经济资料-感谢阅读- 9 面具有较高的精度，这是已经证明过的 事实。但在具体训练过程中也存在一些 问题，主要体现在一下几个方面： （1）归一化问题。由于实际问 题中大量出现的是不属于 01 之间的数 值，为了计算方便，可对其进行归一化 处理，国内3,4 常采用的归一化公式为 这样既保证了它是单调递增函数，又使 值位于 01 之间，大大加快了收敛速度。 (2)网络节点作用函数选择性很大， 各种选择将导致不同的结果，一般认为 作用函数应选具有至少一阶连续导数的 函数。 (3)样本数量的确定只能凭经验， 无法给出一个令人满意的原则。 (4)一般神经网络模型的值域限制 在一个由样本确定的集合中，因而不具 有外延性。在实际使用中，可对其最大 值进行处理或用其他方法处理后仍可用 神经网络模型进行递推预测。 因此，神经网络模型不适合于进 -精选财经经济类资料- -最新财经经济资料-感谢阅读- 10 行长期预