（岩土工程专业论文）城市地下工程地面变形预测神经网络模型研究.pdf

南京工业大学学位论文独创性声明及使用授权的声明 学位论文独创性声明 本人声明所呈交的学位论文足我个人赴导师指导卜进行的研究工作及取得 的研究成果。尽我所知，除了文巾特别加以标注和致谢的地方外，论文中不包含 其他人已经发表或撰写过的研究成果，也不包含为获得南京工业大学或其它教育 机构的学位或证书而使用过的材料。与我闻工作的同志对本研究所做的任何贡 献均已存论文中作了明确的说明并表示r 谢意。 研究生签名：蜜亟查几期 。口、o 二、关于学位论文使用授权的声明 南京工q k 大学、巾国科学技术信息研究所、国家图书馆、中国学术期刊( 光 盘版) 电了杂志社及清华同方光盘股份有限公司有权保留本人所送交学位论文的 复印件和电子文档，可阻采用影印、缩印或其他复制手段保存论文。本人电子文 档的内容和纸质论文的内容相一致。允许论文被查阅和借阕，f 丁以公布( 包括刊 鹭) 论文的全部或部分内容。论文的公布( 包括刊登) 授权南京工业大学研究生 部办王甲。 研究生签名：曲垂查导师签名 融未厅氏日 期：r o 硕士学位论文 摘要 城市地f z 程引起的地面变形问题越来越受到一程界的重视，主要原因在于 无论采用何种施1 方法，地卜工程施工都不可避免地产生地层运动，尤其是地面 变形。若这种地面变形过大，将会直接影响地卜管网设施与地面建筑物的安全使 用。 本文以盾构法隧道和皋坑为研究对象，通过对地面变形机理的分析，全面系 统地从理论上探耐了盾构隧道和基坑引起地面变形的影响因素，建立了基于神经 网络的地面变形预测模型，并运用该模型对上海、广州、南京等城市的盾构隧道 和基坑工程所引起的地面变形进行了实际预测，获得了令人满意的预测结果。最 后用神经网络递阶分析法对影响地面变形的因素进行了敏感性分析，得出预测模 型输入参数的敏感性排序。奉文的具体内容如下： 1 影响地下工程地面变形的因素很多，而且这些凼素往往是综合作用的， 为考虑多种因素影响f 的地面变形，本文提出了基于神经网络的地面变形预测的 建模方法。从工程应用的角度，讨论了神经网络结构的设计、数据的准备、如何 训练网络及评价网络的性能等；并运用v i s u a lc + + 6 0 程序平台，基于b p 基本算 法，编制了实用计算程序。 2 分析了盾构隧道和基坑施i x , t 土体的扰动机理和地面变形机理，通过对 地面变形影响因素的系统分析，确定了综合考虑地质环境条件、物理参数和施工 工艺的主要影响冈素。 3 基于神经网络建立了盾构施工地面变形的预测模型，该模型的输入为盾 构掘进时的推力、上覆土的厚度和土体性质等9 个因素，输出为地面最大沉降量 和沉降槽宽度系数，用三个场地的监测资料加以榆验，得到了令人满意的预测结 果。 4 建立了荩坑施工墙后地面变形的神经网络预测模型，该模型的输入为桩 径( 墙厚) 、基坑开挖深度和士体强度等l o 个影响冈素，输出为墙后地面最大沉 降量和影响范围。通过多个场地实际分析结果表明，利用神经嗍络对基坑工程中 墙后地而变形进行预测是可行的。 5 简要介绍了递阶分析方法的理论基础，运用v i s u a lc 抖6 ，0 程序平台，编 制了计算程序；运用递阶分析方法，对奉文所建立的盾构隧道和基坑工程地面变 彤神经网络模型中所选用的输入参数进行了敏感性分析，得出预铡模型输入参数 的敏感性排序。 关键词：地fi ：群神经网络盾构隧道基坑地面变形预测递阶分析 摘要 a b s i r a c t t h eg r o u n dd e f o r m a t i o ni n d u c e db yu r b a nu n d e r g r o u n de n g i n e e r i n gi sb e i n g p a i dm o r ea n dm o r ea t t e n t i o ni ne n g i n e e r i n gf i e l d t h ed o m i n a t i n gr e a s o ni s t h a t u n d e r g r o u n de n g i n e e r i n gc o n s t r u c t i o nb ya n ym e t h o di n e v i t a b l yr e s u l t si ns t r a t u m m o v e m e n t ，e s p e c i a l l yg r o u n dd e f o r m a t i o n w h i c h w i l lm e n a c et h es e c u r i t yo f u n d e r g r o u n dp i p e l i n e sa n dm i a c e n tb u i l d i n g si f t h ed e f o r m a t i o ni sv e r yl a r g e t h i sp a p e ri sb a s e do ns h i e l dt u n n e la n de x c a v a t i o n b ym e c h a n i c sa n a l y s i so f g r o u n dd e f o r m a t i o n ，t h i sp a p e rm a k e sas y s t e m a t i cr e s e a r c ho nt h ea f f e c t i n gf a c t o r so f g r o u n dd e f o r m a t i o no fs h i e l dt u n n e la n de x c a v a t i o na n de s t a b l i s h e sap r e d i c t e dm o d e l o fg r o u n dd e f o r m a t i o nb a s e do nn e u r a ln e t w o r k t h i sm o d e li sa p p l i e dt op r e d i c t a c t u a lg r o u n dd e f o r m a t i o nc a u s e db ys h i e l dt u n n e la n de x c a v a t i o ni n s h a n g h a i ， g u a n g z h o u ，n a n j i n ge t c a n dt h ep r e d i c t e d r e s u l ti s s a t i s f a c t o r y f i n a l l y t h e h i e r a r c h i c a la n a l y s i sm e t h o db a s e do nn e u r a ln e t w o r ki s a p p l i e dt oa n a l y z et h e s e n s i t i v i t yo f t h ei n f l u e n t i a lf a c t o r s t h em a i nc o n t e n to f t h et h e s i si sa sf o l l o w s ： 1 o w i n gt ot h ev a r i o u si n f l u e n t i a lf a c t o r so fg r o u n dd e f o r m a t i o na n dt h e s y n t h e s i se f f e c to ft h e s ei n f l u e n c ef a c t o r s ，t oc o n s i d e rt h eg r o u n dd e f o r m a t i o n i n f l u e n c e db ym a n yk i n d so ff a c t o r s ，ap r e d i c t e dm o d e lo fg r o u n dd e f o r m a t i o nb a s e d o nn e u r a ln e t w o r ki sa d o p t e d f r o mp o i n to fv i e wo fe n g i n e e r i n ga p p l i c a t i o n ，t h i s p a p e rd i s c u s s e sd e s i g no fa n n ，p r o c e s s i n go fd a t a ，t r a i n i n go fa n na n de v a l u a t i o no f a n np e r f o r m a n c ee t c b a s e do nt h eb a s i ca r i f l m a e t i co fb pa n dv i s u a lc + 十6 0 p r o c e d u r e ，ap r o g r a mi sc o m p i l e d 2 b yt h ea n a l y s i so ft h em e c h a n i c so f s o i ld i s t u r b a n c ea n dt h eg r o u n d d e f o r m a t i o na n dt h ei n f l u e n c et h c l o r so ft h eg r o u n dd e f o m a a t i o no fs h i e l dt u n n e la n d e x c a v a t i o n ，m a i nf a c t o r so fg r o u n dd e f o r m a t i o ni sc o n f i r m e d t h e s ef a c t o r sc o n s i d e r t h eg r o u n dc o n d i t i o n ，p h y s i c a lp a r a m e t e ra n dc o n s t r u c t i o nt e c h n o l o g y 3 ap r e d i c t e dm o d e lb a s e do i ln e u r a ln e t w o r ki sd e v e l o p e dt op r e d i c tg r o u n d d e f o r m a t i o nc a u s e db ys h i e l dt u n n e l ，t h ei n p u t so ft h i sm o d e li n c l u d e9i n f l u e n c i n g f a c t o r s ，s u c ha ss h i e l dt h r u s t ，o v e r b u r d e nt h i c k n e s sa n ds o l lp r o p e r t i e se t ca n dt h e o u t p u t si n c l u d em a x i m u ms e t t l e m e n ta n di n f l e c t i o np o i n t t h em o n i t o r e dd a t ao f t h r e e s i t e sa r ea d o p t e dt ot e s tt h em o d e la n dt h ep r e d i c t e dr e s u l ti ss a t i s f a c t o r y 4 ap r e d i c t e dm o d e li se s t a b l i s h e dt op r e d i c tg r o u n dd e f o r m a t i o nc a u s e db y e x c a v a t i o nb a s e do nn e u r a ln e t w o r k t h e r ea r e10i n p u tf a c t o r si nt h i sm o d e l i n c l u d i n gp i l ed i a m e t e r ( w a l lt h i c k n e s s ) ，e x c a v a t i o nd e e pa n ds o i li n t e n s i t ye t c a n dt h e 硕士学位论文 o u t p u t sa r em a x i m u ms e t t l e m e n tb e h i n dw a l la n di n f l u e n c i n gr a n g e t h er e s u l to f a c t u a la n a l y s i si n m a n ys i t e si n d i c a t e st h a t i ti sf e a s i b l et op r e d i c tt h eg r o u n d d e f o r m a t i o nb e h i n dw a l lo fe x c a v a t i o nu s i n gt h em o d e ld e v e l o p e di nt h i sp a p e r 5 t h eh i e r a r c h i c a la n a l y s i st h e o r yi si n t r o d u c e di nb r i e f , a n dap r o g r a mi s c o m p i l e db a s e do nv i s u a lc + + 6 0p r o c e d u r e t h eh i e r a r c h i c a la n a l y s i st h e o r yi su s e d t oa n a l y z et h es e n s i t i v i t yo ft h ei n p u tp a r a m e t e r so ft h en e u r a ln e t w o r km o d e lo f g r o u n dd e f o r m a t i o no fs h i e l dt u n n e la n de x c a v a t i o n k e y w o r d s ：u n d e r g r o t m de n g i n e e r i n g ：a n n ；s h i e l dt a n n e he x c a v a t i o n ：g r o u n d d e f o r m a t i o n ：p r e d i c t i o n ：h i e r a r c h i c a la n a l y s i s 硕士学位论丈 1 1 前言 第一章绪论 随着我围城市建设的快速发展，城市规模不断扩大，居住人门持续增长， 一 方面要求城市建设迅速发展能与之相适应，结果使得城市市区内可供利用的地面 面积越来越少，带来交通阻褰、环境污染、空问拥挤、基础设施落后、城市防灾 能力薄弱等“城市综合症”，严重阻碍了城市经济的发展，恶化了居民生活环境： 另一方面经济与社会的发展对城市集约化程度和提高效率要求也越来越高。要解 决城市建设与土地资源不足的矛盾，以促进城市的可持续发展和环境保护，开发 利用地下空间自然而然成为一条扩火城市容量的有效途径。因此修建城市地下铁 道、地f 供水管道、合流污水管道、地下供水和通信电缆通道、地下煤气管道、 地下车行隧道、共同沟等地下市政工程日益受到各国的重视。 当前，我国大城市基本建设蓬勃发展，要求在经济许可的条件下，最大限度 地开发与利用地下空间资源，在新、旧市区范围内，地下交通运输网和高层火楼 深基坑工程大量兴建，以及纵横交错的立交、高架与市政地下工程设旌频繁施工， 构成了复杂、凼难的麓丁环境条件，主要反映在：场地紧凑，地下旌工项目密邻， 同时或相继施工的相互干扰，以及特深、特火基坑和地铁隧道掘进对附近环境的 土工公害问题都卜分突出。如何在保证上程自身稳定的同时，有效地控制基坑和 隧道周围七体移动引起的地面变形，已成为人们的共识。但是，隧道与基坑支护 体系与周围土体是由多种介质组成的高度复杂的宅涮系统，且隧道与基坑的变形 和安全性受到多种冈素的综合影响，由于土体固有力学性状的复杂性以及施工过 程中的种种不确定因素等，基坑和隧道周围土体的实际变形很难用统一的公式进 行描述，其变形量更表现出相当程度的随机性，为设计和施工带来很大的难度。 町见，列曰前困扰工程界的城市地下1 1 一程引起的地面变形问题进行深入研 究，具有重要的工程实用价值。如何准确地预测地下工程旌工引起的地面变形， 是本文的研究重点。为此在1 1 j 区进行地下施：i 时，施工和监测需同步进行，通过 测试资料分析与研究，可以了解工程周围七体的沉降及深层土体的移动规律，对 整个地下工程起重要的指导作用。 鉴于影响地下程地面变形的因素很多，而且这砦因素往往是综合作用的， 现有的对单个圉索进行分析的方法虽然比能在一定程度上反映地面变形和位移， 但不能同时全面地反映在这些因素共同作用下地面的真实变形。鉴于此，本课题 研究的主要目的就是利用目前最流 j ：的人- 1 ：智能方法之一人工神经网络原 理，对考虑多种因素影响的地下工程施工地而变形进行预测。 第一章绪论 1 2 国内外研究现状 1 2 1 地表变形研究与预测 1 2 1 1 地表变形理论研究 目前关于地下丁程施二l ：对地面变形的研究，大多集中于地层变形和对邻近建 筑物和管线的影响方面。美国r b p e c k ( 1 9 6 9 ) j 通_ 过对大量地表沉陷数据及，l ：程资 料的分析，首先提出地表沉降槽似正念分布的概念| 1 1 ，并认为旌工引起的地面沉 降是在不排水条件下发生的，所以沉陷槽的体积应等于地层损失的体积。横向分 布地面沉降估算公式为： r 2 s ( d = 黑。、e x p ( 一妄j )( 1 - 1 ) 。志。去 z ”弼 孺f4 5 i 等i ( 1 - 2 ) ( 1 - 3 ) 式中：跆) 沉降量( m m ) ； 施j 【引起的隧道单位长度地层损失( m 3 m ) ； r 一距隧道中心线的距离( m ) ； s 。隧道中心线处地表最大沉降量( m m ) ： 卜一地表沉降槽宽度系数( 即图1 1 中所示自隧道中心至沉降曲线反 弯点的距离) ( 1 1 3 ) ； z 一地面至隧道中心深度( m ) ； 广土的内摩擦角，对于成层土取力权平均值( 。) 。 隧洞直释2 k 图j 一1 隧道上方地面横向沉降槽断商彤状止态分布曲线 f i g 1 - 1 t h es h a p eo f g r o u n ds e t t l e m e n tt r o u g ha b o v et u n n e l - t h en o r m a ld i s t r i b u t i o nc u r v e - 2 一 硕士学位论文 按正态分布函数曲线引算沉降槽必须确定( 】一j ) 式中的最大地面沉降s 和 沉降槽宽度系数i ，有不少学者针对不同地质情况与隧道埋深对这两个参数作了 大量统计分析与现场j l ! i ! 测研究工作。 英国c l o u g h 和s c h m i d t ( 1 9 7 4 ) 在其关于软粘上隧道工程著作中1 2 j ，提出饱和 含水塑性粘土巾的地面沉降槽宽度系数i ，由如下公式求取： = ( z 2 e ) ”8 ( 1 4 ) 式中：卜地面歪隧道中心深度( m ) ； r 隧道半径( m ) 。 英国a t t w e l l 等( 1 9 8 1 ) 也假定沉降槽曲线为正态分布，给出了估算地表沉降 的经验公式i j 】： 二= k ( z 2 r ) ” r 1 - 5 1 尺 、 v = , 1 2 a i 氏。( 1 - 6 ) 式中：靠。地面最大沉降量( 姗) ； 卜沉降槽体积( m 3 ) ； 爿一隧道开挖断面面积( m 2 ) ； k ，广与土体性质和施j 二因素有关的系数。 日本的f u j i t a ( 1 9 8 2 ) 接受p e c k 的要求，从事了“在软弱地层中隧道工程不同 施工方法对地层影响有何差别”的研究，提h 盾构隧道最大沉降量与盾构形式、 地层条件、辅助工法、隧道直径及埋深等因素有天| 4 1 。 随着我国大量的城市隧道施工的进行，我国对隧道施1 ：引起的地表沉降问题 也进行了研究。刘宝琛等应用随机介质理沦，研究了近地表丌挖引起的地表移动 及变形问题【5 6 1 。 上海同济大学侯学渊等参考盾构法隧道地表沉降p e c k 和s e h m i d t 公式，借 鉴i 角沉降公式的思路，根据深基坑围护墙墙体位移与地面沉降两者地层移动面 积相关的原理，提出预计基坑周边地表沉降的地层损失。这种方法在沿海软土地 区获得了应用，加上适当经验系数后，可以使得计算结果。j 实测结果较为一致f 7 1 0 刘建航院十对于深基坑周围地层移动的预测与治理进行了深入系统研究，通 过分析影响基坑变形的各种因素，根据新哭法隧道施工面时空效应理论和上海大 量软土基坑实践，提出了一种计算和控制挚坑变形和周围地层位移的时空效应 法；同时也得出了基坑施工阶段和施工后期墙后地面沉降的估算公式，并在深基 坑工程中取得了显著的技术经济效果口1 。 随着计算机技术的发展，张弥等开发出了顶计盾构法隧道施工地表沉降的专 家系统f 8 j ；针对上海地铁一号线工程，【：海隧道股份有限公司等单位) f ：发了盾构 第一章绪论 施工技术号家系统，可以对盾构隧道施1 j 地表沉降进行预估一5 。 1 212 地表变形的数值模拟 在研究地下i ：程地层位移规律中，数值模拟方法是地面变形预测技术的另一 重要途径。而有限元法作为一种最具有代表性的数值分析方法，已越来越被广泛 地应用于工程问题中。用有限元法研究地表沉降，就是将沉降过程看成是一个力 学过程，从而选用台适的土体本构关系进行分析。根据地层情况和施工条件，可 把地层假没为弹性介质、弹塑性介质或弹粘塑性介质等。 ti t o 和m ，h i s a t a k e ( 1 9 8 2 ) 用边界元分析了浅埋隧道掘进引起的三维地面沉 陷，考虑了掘进速度、隧道开挖面位最的影响【i 州。 随着计算机技术的发展，b e e r 等( 1 9 8 7 ) 运用边界元与有限元相结合的方法 分析了土与岩石隧道开挖的三维应力与位移，得到了较为精确和有效的结果。 r k r o w e 和k m l e e ( 1 9 8 3 ) 编制了一种可以对不同土性和施工技术条件下 隧道开挖引起的地表沉降进行预测的弹塑性有限元程序；后来他们( 1 9 9 0 ) 又发展 了一种用于模拟施工工序、后继地层位移、开挖面周围和地表应力状态对地表沉 陷的三维弹塑性有限元方法，给出了非线性问题的求解步骤和适用于三维隧道分 析的弹颦性土体本构模型，研究浅埋隧道的三维性状，考虑了具有简单几何形状 和地层条件的隧道1 1 2 - 1 4 1 r k r o w e 和k m l e e ( 1 9 9 2 ) 认为间隙参数反映了隧道顶的垂直位移和软土 隧道施工中的地层损失的大小，它是掌子面三维弹塑性变形、盾构机性能、衬砌 的几何形状和旌e - e 艺等的函数，正确估算它并利用二维有限元或经验关系可对 地层位移规律加以预测1 1 5 , 1 6 1 。 曾晓清( 1 9 9 5 ) 基于半解析数值方法，就才i 同e 况下平行盾构隧道施工中的相 互作用及其对周边环境的影响问题进行了计算与分析，所构造的位移函数可以满 足十体与结构的位移协调，且符合双孔隧道周围土体的变形规律【1 7 1 。 1 2 2 地下工程施工对土体的扰动研究 地下工程施工对土体的扰动是不可避免的，它包括施工过程中对卜体的挤压 和松动、加载与卸载、孔隙水压上升与下降所引起土性的变异、地表隆起与f 沉 等。由于受施工扰动的土体物理性质与原状土物理力学性质相比将发生较大的变 化，阂而在地下工程施工过程中及施工后对周围环境的影响也将发生质的变化。 因此施工开挖扰动引起的地面变形与多种因素有关：工程地质水文地质条件、地 f j 程形状大小和埋深、施工丌挖方法、支护结构的刚度及设黄时问、丌挖步序 及卜部荷载的影响等8 1 。 土体扰动是地层变形的原冈，而地层变形是士体扰动的结果，对体扰动性 质的改变主要集中表现在土体结构的变化、土体的应力状态或应力路径变异、卜 硕士学位论文 体孔隙水缝变化等方面i ”1 。日阿土体扰动研究的理论基础有：地层损失理论、孔 隙水压力理论及应力应变扰动理论。 b s c h m i d t ( 1 9 8 9 ) x , - 软土隧道的固结沉降进行了研究，认为盾构开挖引起的 地表沉陷一部分来自于开挖面和盾构间隙的地层损失，而更大部分则来自于土体 的固结。分析和实测表明，_ j ：体非弹性径向位移、丌挖而过大的支护压力和隧道 发生的应变是引起超静孔隙水压力的原因| 2 。 上体的应力状态或应力路径变异一定程度上反映了十体受施工的扰动影响， r k r o w e 和k m l e e ( 1 9 8 5 ，1 9 8 6 ，1 9 8 9 ) 经理论分析和实际观测得出掌子面隧道 上方状态因应力释放接近于三轴拉伸而非三轴压缩，隧道起拱线和反拱下侧处于 三轴压缩状念1 1 6 , 17 , 2 1 】。通过硒尉结拉仲、凰崮结压缩以及应力路径不同试验的 结果表明，应力路径对弹性模量产生根本的影响，对弹性参数的合理选择将大大 改善计算的地表沉陷槽的形状和侧向变形。 尽管研究地下工程施工对士体的扰动范围和扰动程度可以有效地控制地表 变形，但由于对引起上体变形的扰动及扰动土的性质缺乏深入的研究，所以目前 地下丁程施工对岩士环境影响的研究大多集中于地表变形的经验预估方面。 1 2 3 旌工环境变形的研究 地下工程施工变形的主要研究方法有安全系数法、经验公式法、数值方法( 正 分析与反分析) 、系统分析法，经历了从较甲的上压力理论和板桩分析理论到二 维、三维有限元分析到反分析再到系统论的各个理论发展阶段。到目前为止，以 上各种方法在实际_ _ _ 【：程巾均有应用，对于大型复杂的地下工程，则以数值方法为 二l 三，但由于岩土介质的特殊性和传统数值方法的局限性，使得计算结果与实际结 果有很人的出入。 既然岩上：【程都带有非确定性( 随机性、模糊性、信息不完全性和不确定性 等) ，埘许多带全局性、综合性的问题都要求作出系统分析。因而，系统分析方 法已显示出广阔的应用i j 寸景。刘建航院士提出了基坑开挖的时空效应理论1 2 2 , 2 3 ， 全面阐述了上海地铁车站麓工变形预测与控制方法，提出了“分层、分步、对称、 平衡、限时”的软。 ：地区基坑丌挖的总体方针。许多新理论、新方法也被弓i 入到 岩土程中来，这些理论和方法包括狄色系统理论、时间序列分析、随机介质理 论以及人1 二神经刚络等。 灰色系统理论在岩十_ j 程旖工变形预测中已有不少成功应用的例子【2 4 2 6 1 ，但 也遇到了一些闷题1 27 “j ，其原【天1 是灰色建模要求非负时间序列的累加生成具有扶 指数规律，然而，事实上岩十工程中许多观测值的累加生成常常不具有指数规律， 因而造成预测误差很大，使得预测结果不可靠。所以，处理岩士工程中时问序列 问题，要慎用灰色系统进行建模。 第一章绪论 c h e nz i v i n l 2 9 1 将隧道刚岩变形的量测结果时序看作为随机过程样本，应用 时间序列分析了在新奥法施工中围岩变形预报问题；史永盛1 3o 】等利用时间序列分 析对边坡位移的发展趋势进行了预测；袁会荣| 3 1 】应用神经网络和模糊控制理论， 提出地下 程施1 二变形的智能控制方法。 1 3 神经网络的发展简史及其在地下工程中的应用现状 作为动态系统辨识、建模和控制的一种新的和令人感兴趣的工具，人工神经 网络( a r t i f i c i a ln e u r a ln e t w o r k ) 在过去2 0 年中得到了大力研究并取得重要进展， 成为人工智能领域较为活跃的个重要分支。由于它具有极强的非线性大规模并 行处理能力，从而引起了国内外学者的广泛关注，许多学者致力于将其引入自己 的专业领域1 3 2 - 3 5 1 。本文将其作为一种工具引入到地下工程，研究其在地卜工程引 起地面变形预测方面的应用可行性。 1 3 i 神经网络的发展简史 人工神经网络起源于神经生物学，并伴随着计算机的发展而发展，归结起来， 大致经历了以下五个发展阶段： 第一骱段的启蒙期。 1 9 4 3 年神经生理学家m c c u l l o c h 和数学家p i t t s 合作提出了神经元的第一个 模型( m p 模型) ，开创了神经科学理论研究的时代1 3 6 1 。1 9 4 9 年，d 0 n a l dh e b b 出版了( ( t h eo r g a n i z a t i o no f b e h a v i o r ) ) 一b ，苗次提出了神经元权值的修改方案， 即著名的h e b b 学习规则吲。这一规则对以后a n n 的发展产生了深刻的影响。 第一二阶段的第一次高潮期。 1 9 5 7 年fr o s e n b l a t t 闭首次弓 进感知机( p e r c e p t r o n ) 概念，尽管这种模型 十分简单，但它已具备了神经网络的某砦基本性能，如町学习性、分布式存贮和 并行处理、一定的容错性等。1 9 5 9 年b e r h a r dw i d r o w 和m a r c i a nh o f f f 发展了 a d a l i n e 和m a d a l i n e 模型。同时他还与m a r c i a n 一起提出了一种新的学习规则， 称为w i d r o w - h o f f 学习规则【3 9 j 。此规则可减少训l 练过程中神经网络输出的误差平 方和。a d a l i n e 和m a d a l i n e 模型的早期应用有模式识别、天气预报和自适应控制。 a n n 的第一个成功应用实例是消除通讯中的回波，由此形成了研究a n n 的第一 个高潮。 第三阶段的低潮期。 1 9 6 9 年m i n s k ym 版了一本颇具影响的名为( ( p e r c e p t r o n ) ) 的书，指出简单 的感知机不能解决复杂的非线性问题，甚至一螳基本的运算问题也不能解决l ”1 。 山于m i n s k y 在当时学术界的权威地位及他在论著叶1 的悲观论点，加之当时的学 习规则还不够完善以及微电子汁算机硬件的限值，从而使a n n 的研究落入了缓 慢发展的低潮期。 硕士学位论文 第四阶段的复苏期。 1 9 8 2 年美国加州工学院j o h nh o p f i e l d 教授发表了一篇里程碑性的论文1 4 “， 再次激发了人们对a n n 的研究热情。h o p f i e l d 构造了。个模拟人类思维的a n n 模型，借助了计算能景函数，成功地解决了旅行商问题，弓l 起了仝世界的哭注。 1 9 8 6 年d r u m e c h a r t l 4 2 i 等提出了广义d e l t a 规则，发表了多层网络学习的误差逆 传播( b p ) 算法，这为多层感知机找到了有效的学习算法，从而把a n n 的研究 进一步推向深入。 第五阶段的第二次高潮期。 1 9 8 7 年6 月电气和电子工程师协会i e e e 在美国圣迭戈召开了第一届神经网 络困际会议，国际神经网络学会也随之诞生，掀起了用神经网络的第二次高潮。 此后，每年召丌两次国际联合神经网络大会( l i c n n ) ，许多软件公司推出各种 a n n 应用软件。我国于1 9 8 9 年1 0 月在北京召开了个非正式神经网络会议， 1 9 9 0 年1 2 月在北京召开了我国首届神经网络学术大会，并明确规定今后每年召 开一次中国神经网络学术大会，1 9 9 1 年成立了中国神经网络学会。 自此。各种神经网络期刊和著作层出不穷，在应用方面更是取得了令人注目 的进展，特别是在人工智能、自动控制、计算机科学、信息处理、机器人、模式 识别等方面都有重大的应用实例 4 3 4 5 1 。从众多应用领域所取得的丰硕成果来看， 神经网络的发展具有强大的生命力，它越来越为各领域学者解决专业问题提供了 一种思路并成为种有力工具。神经网络的| u j 世标志着认知科学、计算秽l 科学及 人t 智能的发展又处于一个新的转折点，它的应用和发展有可能为新一代计算机 和人工智能开辟一条崭新的途径。 1 3 2 将神经网络引入地下工程领域的必要性 地下工程系统是具有多输入、多输出、不确定性f 扰源的复杂性系统，如图 l 一2 所示 3 1 1 。 4 i 同施1 方法、顺序 | 嚣种动荷载 1 扰冈索 f 件参数 内支撑结构特性参数 r f d i f - 1 2 一业一 1 位移 输入j 璧挈羹翥扪专撑- - ? 刊地下繇统b 输出( 霉劈输入( 地下结构施1 支撑一肥l 1 尔”一，删山1 应力 i 施加预应力 _ 陶1 2 地h ：程系统框图 f i g j 一2 u n d e r g r o u n de n g i n e e r i n gs y s t e mf r a m e 第一章绪论 地下l 程实践表明，多数情况f 工程技术人员仅能把握岩土的外观表现，如 承压板的压力、地面沉降等，而对于其工作机制尽管有一定程度的认识，但这种 认识还是不完伞的，即是灰色的。因此在描述这些外在客观表现时，由于对岩上 系统内存工作机理还不清楚，建立相应的解析表达式时必然存在巨大困难。这种 现象的表示就可用“黑箱”系统来表达，人们只知道系统的输入和输出，而不知 道系统的内部_ l 作机理，问题的关键是如何再现系统的宏观外在表现。除此之外， 由于岩土工程系统的输入和干扰因素对输h 的关系相当复杂，表现出非常复杂的 高阶非线性特性，非线性描述本身就是一个悬而未解的问题，可见岩土工作特性 研究的难度。 由于岩土材料内部t 作机理的非线性，加之内部和外部参数的不确定性，致 使为岩土工程系统选择合适的建模方式是一件十分困难的事。因此，人们不得不 寻求解决问题的新途径。 神经网络由于具有自适应性、椎线性和容错性强等特点，特别适合于处理各 种非线性问题。它呵以通过大量样本的学习来抽取出隐含在样本中的因果关系。 因此，神经网络为地下工程领域提供了完全不同于数学建模的研究思路，它 避开了复杂的本构模型，成为解决地下工程问题的一种有效途径。 1 3 3 神经网络在地下工程领域的应用现状 对于神经网络在地下工程领域中的应用，不少学者作了积极的探索，并取得 一些有意义的成果。 1 9 9 0 年，g h a b o u s s i 等人提出利用神经网络建立材料的本构模型【4 “a 1 9 9 3 年y i c h u m gy e h 发表了基 i 神经网络进行桩身质量诊断的专家系统文h ”，从 而将神经网络逐步引入到岩士_ 程实践中束。1 9 9 4 年g h a b o u s s i 较为系统地阐述 了基于神经网络的岩土力学问题的处理，从而将神经网络在岩土工程的应用研究 引向广泛和深入i ”1 。近几年来，国外有关人工神经网络在岩土工程中的应用文章 出现增多的趋势”“。 在固内，张清教授是较早将神经嘲络引入地下工程领域的先行者。1 9 9 2 年， 张清等入首次利用神经网络对岩上的力学行为迸行了预测1 5 2 , 1o 之后有一些学者逐 步将神经网络用于围岩分类、边坡稳定性评价、变形预测、参数反演等方面，从 而在一定程度卜推动了人工神经网络在缝r 1 ，稃领域的应用。 就日前研究状况来看，神经网络主要应用于地fr 稃领域中以下几个方面： ( 1 ) 预测：刘舂( 1 9 9 8 ) 1 5 4 1 采用模糊处理和神经嘲络相结合的方法，实现了对建 筑物变形的短期预测。何玉敖等( 1 9 9 9 ) | 5 5 1 从已知震陷资料出发，利用神经网络对 液化震陷进行了预估。文献1 5 6 5 8 1 基于监测资料的时同序列，分别对隧道断面的 水平收敛位移、基坑施 ：过程中的地表沉降和地下连续墙水平位移进行了预测。 ( 2 ) 评估j 分析：夏元友等( 1 9 9 6 ) 网利用神经网络将影响边坡稳定性的因素j 边坡的稳定性状念之间建立了非线性关系，给出了边坡稳定性评价的一种新方 法。刘和元等( 1 9 9 8 1 f 6 0 i 基于神经网络对桩动测数据进行分析，利_ f ； 建立的神经嘲 络模型检测数据的合理性。 ( 3 ) 分类与识别：王明年等( 1 9 9 5 ) 【6 1 1 以岩性、岩石结构类型、节理、构造影响、 风化指标、地下水等几个公认的冈素作为分类标准，利用4 层b p 网络进行分类。 冯复庭等( 1 9 9 7 ) 1 6 2 】认为岩石工程中的力学| u j 题多为动态、不可逆的非线性问题， 有些现象的数学模型极难建立，有些根本无法建赢，而将神经网络与有限元方法 结合起来可以对岩体区域等价木构模型进行合理的识别。 1 4 本文主要工作 本文的主要目的是研究城市地fl ：程引起的地面变形。因为地f 工程施工客 体的复杂性导致了施工过程的复杂性，但都不可避免的会扰动土体，从而引起地 面变形。因此本文以基坑和盾构隧道为研究对象，主要对以下几个方面进行较为 系统的研究： 1 从工程应用的角度，讨论了地f , i 程问题建模的神经网络方法，阐述了 b p 算法的基本原理，重点讨论了神经网络的结构设计、数据的准备、如何训练 网络及评价1 ) c ；9 络的性能等。并运用v i s u a lc 十+ 6 0 程序平台，基于b p 算法，编制 了计算机程序。 2 盾构隧道和基坑地面变形的神经网络预测：探讨盾构隧道和基坑地面变 形的机理及土体扰动机理，总结影响盾构隧道和基坑地面变形的因素：通过对实 测资料的综合分析，建立盾构隧道和基坑地面变形的神经网络预测模型，运用实 际工程加以检验。 3 盾构隧道和基坑地面变形影响因素的敏感性分析：通过编制计算机程序， 运用递阶分析方法，对本文所建立的盾构隧道和基坑工程地面变形神经网络模型 中所选用的输入参数进 于了敏感性分析，得出模型输入参数的敏感性排序。 第二章地下工程问题建模的神经网络方法 第二章地下工程地面变形建模的神经网络方法 2 - l 概述 对于地下工程问题来说，建模是晟基本也是最重要的工作，只有通过建模才 能对问题进行深入的分析和评价。传统的建模方法是通过运用数学和力学方法建 立数学模型，该方法已经应用了几个世纪，在许多工程领域得到广泛运用。但是 由于地下工程问题的复杂性和特殊忡，用常规方法建立数学模型十分困难，有时 甚至是不可能的。 神经网络提供了完全不同于数学模型的新思路，它不需要建立数学模型，而 是直接通过量测数据来建立模型，从而避免了复杂的数学表达。 人工神经网络( a r t i f i c i a ln e u r a ln e t w o r k ，通常叫神经网络( a n n ) ) 1 6 3 1 是 在研究生物神经系统的启示下发展起来的种信息处理方法。它是通过计算机来 模拟人脑中神经网络的某些结构与功能，并反过来应用于工程或其他领域，其着 眼点是采纳人脑神经网络中可利用的部分来克服目前计算机或其他系统不能解 决的问题，如学习、识别、控制等。它不需要任何数学模型，只靠过去的经验来 学爿，可以处理模糊的、非线性的、含有噪声的数据，可用于预测、分类、模式 识别、非线性回归、过程控制等各种数据处理，并且在大多数情况下，应用效果 大大优于传统的数据处理方法。近年来，神经网络技术在工程领域得到了越来越 、泛的应用。 神经网络是一种信息处理系统，它由大量而简单的处理单元( 神经元) 广泛 地相连接而形成复杂系统。神经网络是通过学爿来解决问题，而不是通过编程； 学习和训练几乎对所有神经网络来说都是最基木的。网络不是通过修改处理单元 本身来宠成训练过程，而是靠改变网络中各连接权重来学习的。训练和学习并不 完全相同。训练是指网络的学习过程，而学习是此过程的结果。训练是外部过程， 而学习是网络的内部过程。 2 2 人工神经网络的构成及工作过程 2 2 1 神经网络的构成 神经网络的结构由慕本处理单元及其瓦联方式决定，基本处理单元称为神经 元。神经元由多个输入孙i - 1 2 ，h 和一个输出，组成，中间状态 ； 输入信号 的权和袁不，其一般的纬构模型如图2 1 所不帕“。 硕士学位论文 + y 。 倒2 1 神经兀模犁 f i g2 l n e p a lc e l lm o d e l 神经元的关系满足以下方程： “，= 薯一o ( 2 - 】) ，= - ，) ( 2 2 ) 式中x i 为神经元i 的输出，也即神经元，的一个输入：w i j 为神经元i 与神经 元j 之间的连接强度，称为连接权：6 1 i 为神经元的闽值：蜥为神经元，的活跃值， 即神经元状态；y j 为神经元，的输出。砷! - j 托的关系是个非线性的关系，一般 有以下几种，如图2 2 所示。 y 1 y ( a ) ( b )( c ) ( a ) 硬函数( b ) 分段线性璐数( c ) 线性单调j - 升函数 幽2 - 2 神经元的输入输出关系 f i g 2 2 t h er e l a t i o nb e t w e e nn e u r a lc e l li n p u ta n do u t p u t 神经，i 变换函数又称为转移函数或激活函数、传递函数等，其作用是模拟生 物神经元所具有的非线性特性。 图2 2 ( c ) 称为s i g m o