基坑降水环境影响评价体系研究.docx

基坑降水环境影响评价体系研究 摘要：环境变化的准确预测会有助于建立解决方案和减少环境的破坏程度。目前，基坑降水引起的环境变化的预测研究不够完善，并且大部分是定性评估。通过选择科学合理的环境影响评价指标系统，本文采用三种方法对基坑降水引起的环境变化进行定量评价，即模糊数学法，bp神经网络法，支持向量机法。同时，三个评价结果做比较。结果表明：基坑降水有对周围环境有不同方面的影响。环境影响评估有八个指标指数。当指标的权重合理时模糊数学评价方法更有效。支持向量机求值法可以进行小样本的预测和评价，但它需要更精确的数据，bp神经网络适合大样本。关键词： 基坑降水 环境影响评价方法 模糊数学 bp神经网络 支持向量机4前言随着中国城市化进程的发展，许多高层建筑和地下空间建设与基坑工程的安全相联系，尤其是由地下水引起的基坑工程事故，据不完全统计，基坑工程事故已经导致中国超过20亿财政损失，其中很多事故是由地下水引起的。在基坑开挖过程中，地下水的主要控制措施是降水。然而，基坑降水会不可避免的导致基坑周围土层地下水位和应力的变化，引起周围土层变形和对基础周围环境的不良影响。所以对基坑降水造成的环境影响进行评估是十分重要和紧迫的。目前，环境影响评价方法主要有：基于统计的bp神经网络论，灰色理论法，粗糙集理论，模糊数学法，基于gis的环境影响评价法，支持向量机评价法等。对基坑降水引起的环境变化的预测的研究是不完全的，并且其中很多是定性分析，本文用三种方法来给出一个对基坑降水引起的环境变化的量化评估，即模糊数学方法，bp神经网络的方法，支持向量机方法。评价结果可以指导基坑降水设计并尽量减少对环境的影响。样本数据取自青岛的几个工程项目。一 评价指标指标体系构建方法一般有五个方法，即综合法，分析法，目标层次法，交叉法，指标属性分组法。根据基坑降水引起环境影响评估的目标建立一个有代表性，比较性，精确的评价指标系统。本系统通过对环境要素的理论分析，结合已知基坑环境影响作用，响应的数据统计分析的结果，按照系统性、客观性、可操作性、主导性的指标体系构置原则，建立具有代表性、可比性和准确性的指标体系。选择了八项指标，即降水方式，土层工程特性，水文地质参数，基坑壁侧向载荷分布状态，后续使用年限，基础类型，不均匀沉降。评价结果有四个层次：优秀，良好，合格，不合格。表一 基坑降水环境评价指标的量化评分标准指数 质量水平指标体系优秀指数良好指数合格指数不合格指数 降水方式1251.00荷载分布0.2 0.200.20.750.480.7510.8811.00使用年限70 0.43500.72400.86301.00基础类型一0.25二0.50三0.75四1.00不均匀沉降0.0030. 0.300030.0060.450.0060.0100.800.0101.00二 三种评价方法a模糊数学法模糊数学的基本出发点是模糊集合的概念引入。例如：普通二进制集（0，l）可以变为连续的模糊集的区间分布 0，1。在这的情况下，模糊集合的特征函数是隶属函数；因此，其函数值-隶属函数取值于连续区间 0，1。有许多复杂的因素可能影响评价质量，并且这些因素的影响是各种各样的。同时，这些因素又相互关联。此外，用来衡量质量，这些因素的标准和界限不清，而且其扩展也是模糊不清的；因此，那些影响因素是难以完整的计算出来通过经典数学模型。并且，把这些复杂的因素作为一个综合因子也很难评估。为了解决这个复杂的系统问题，模糊理论和方法数学已成为一个更合理的解决方案 13 。首先，层次分析法（ahp）可以确定权。寻找b=0.22 0.04 0.08的权0.02 0.01 0.05 0.12 0.47。其次，分布模型使用梯形隶属函数 14 。它的隶属函数方程如下：式中: u1(x)，u2(x)，u3(x)，u4(x) 为环境因子x对一级、二级、三级、四级环境质量标准的隶属度。环境质量水平的隶属度矩阵c：最后，通过matlab代码编程模型，隶属关系矩阵 d的环境因素计算。他们的关系：d = b * c最终评价结果见表二。b. bp神经网络bp网络在闭区间上连续函数可以通过单隐层bp网络逼近；因此，一三层bp网络可以完成任意从n维尺寸m三层映射bp网络的输入层，隐层和输出层。根据简化的原则，三层选择bp网络结构。隐藏层中的神经元数的选取是一个非常复杂的问题，它应根据设计者的经验和反复实验；因此，没有一个理想的半理论。隐藏单元数和问题的要求与输入输出单元数有直接关系。大量隐单元数能引起长期的学习时间，误差，和低的容错能力，不能识别新的样本；因此，必须有一个最佳的的隐藏单元数 15 。bp神经网络采用梯度下降为了减少训练误差。培养目标应以0.001作为训练过程中的控制条件。在复杂的网络结构和大量神经元数下，训练次数和学习率应该增加。因此，最初的训练频应该是10000倍，学习率为0.1。中间神经元传递函数采用s型正切函数采用tansig；传递函数logsig；训练函数使用trainlm。选择七组数据的九组数据进行了训练样本，和另外两个组数据检验样品。matlab编程可以用来建立环境影响评价基坑降水的基于bp模型的表面神经网络。最终评价结果表二。表二 三种评价方法对环境影响评价的对比c支持向量机法（svm）支持向量函数可以解决小样本，非线性，高维数和局部极小的实际问题。它已成为机器学习界的一个热点。本文中，利用之前的基坑降水环境影响评价参数和有限的样本解决基坑降水环境影响评价的非线性多维问题。使用一对多类型的支持向量机。分类：分为四个级别。训练集的提取过程中，提取区1相应的向量为正集，剩余的为负集。提取区ii对应的向量为正集，其余为负集。四个培养集被分为四类。然后，测试集应该由四个训练结果分别测试，每次测试产生一个值，最终得到最优解。利用基坑降水环境影响评价支持向量机法是为了找出基坑影响指数和降水环境系统以及基坑降水环境影响水平之间的关系。设置四个系数：使用上述五个基础系数可以构成一个8个输入项和1个输出项的学习样本集。选择其中两项进行验证。于是基坑降水环境影响评价成为8个参数1个结果的支持向量机的模式识别的问题。通过支持向量机平台，可建立可以被编译的代码。最终的评价结果见表二.d. 三种方法评价结果的对比通过比较上述三种不同的评价methods, the results show that: the environmental evaluation方法，结果表明：环境评价results of fuzzy mathematics is basicly consistent with the real environment. the evaluation results of bp neural network and support vector machine have a certain difference with the real situation.模糊数学的结果与真实环境基本一致的。bp神经网络和支持向量机的评价结果与实际情况有一定的差异性。模糊数学评价法需要将to make the factors which are uncertain, or qualitative or不确定的因素以及定性semi-qualitative, or fuzzy boundaries to be quantitative半定性的、模糊的界限通过量化指标进行量化indicators through quantification and standardization, and then然后将input the data to the fuzzy mathematical model. determination将数据输入模糊数学模型。测定of index weight has a major impact on the evaluation results. it指标权重对评价结果产生很大的影 响，is very effective to use the evaluation method based on bp用bp neural network and support vector machine to solve the神经网络和支持向量机法来解nonlinear fitting problems. bp neural network needs amounts非线性拟合问题非常有效。bp神经网络需要大量数据of data because it based on statistics. support vector machine因为它基于统计分析。支持向量机can predict and evaluate the small sample, but it requires a可以预测和评估小样本，但它需要higher accuracy of the dada. this evaluation, the index weights高精度的数据。模糊数学法评价更为合理，适于has small sample size and low accuracy; therefore, the result of小样本、精度低的数据；因此， fuzzy mathematics method is much closer to the actual模糊数学法比其他方法更接近实际situation than other methods.情况。四 结论降水对周围环境的影响multifaceted. hence, according to the actual situation construct,多方面的。因此，根据实际情况构建含有八个参数的a eight-kind foundation pit dewat