人工神经网络理论在岩土工程中的应用

1 土木工程测试技术结课论文 2010 年 人工神经网络理论在岩土工程中的应用人工神经网络理论在岩土工程中的应用 孟飞 岩土工程 10 级 学号 电话 摘要 摘要 人工神经网络在近年来发展迅速 在土木工程 能源工程等传统工程领域得到了广泛的应 用 并有效地解决了各个领域中原来难以解决或解决得不好的许多问题 在岩土工程中 由于岩 土工程问题本身的复杂性 已知量与未知量之间具有很强的非线性关系 而这种非线性关系通过 人工神经网络可以得到很好地映射 本文介绍了人工神经网络的发展历史 及其在国内岩土工程 中应用的现状 关键词 关键词 人工神经网络 岩土工程 Artificial Neural Networks in Geotechnical Engineering MENG Fei Geotechnical Engineering 10 Student ID Tel Abstract After having been developed rapidly in recent years Artificial Neural Networks was introduced into some traditional engineering field such as Civil Engineering and Energy Engineering Artificial Neural Networks showed great effectiveness in solve problems which cannot be solved or cannot be solved perfectly using traditional methods In Geotechnical Engineering due to the complexity of geotechnical problems there is a strong nonlinear relationship between known and unknown quantity But this non linear relationship can be mapped well through Artificial Neural Networks This paper describes the history of the development of Artificial Neural Networks and its application in the domestic Geotechnical Engineering Key words Artificial Neural Networks Geotechnical Engineering 人工神经网络 Artificial Neural Networks 是 一种模仿动物神经网络行为特征 进行分布式并行 信息处理的算法数学模型 这种网络依靠系统的复 杂程度 通过调整内部大量节点之间相互连接的关 系 达到处理信息的目的 人工神经网络具有自学 习和自适应的能力 可以通过预先提供的一批相互 对应的输入 输出数据 分析掌握两者之间潜在的 规律 最终根据这些规律 用新的输入数据来推算 输出结果 其特色在于信息的分布式存储和并行协 同处理 并具有良好的自适应性 容错性等特点 1 人工神经网络理论的发展历史人工神经网络理论的发展历史 1 3 人工神经网络的出现已有半个多世纪的历史 1943 年 心理学家 McCulloch 和数学家 Pits 合作 提出了形式神经元的数学模型 开创了对神经网络 的理论研究 1944 年 Hebb 提出了改变神经元连 接强度的 Hebb 规则 1957 年 Roscnblatt 首次引 入感知器的概念 第一次从理论研究转入工程研究 阶段 掀起了研究人工神经网络的高潮 1962 年 Widrow 提出了自适应元件 他们标志着人工智能 网络系统研究的开始 但在 1969 年 Minsky 和 Papert 对神经网络的发展作出了悲观的结论 同时 由于计算机的飞速发展使人工智能取得了显著的成 就 神经网络的研究陷入了低潮 1982 年美国加州工学院的物理学家 Hopfield 提出了仿人脑的神经网络模型即著名的 Hopfield 模 型 引入了 能量函数 的概念 给出了网络稳定 性判据 它的电子电路实现为神经计算机的研究奠 定了基础 同时开拓了神经网络用于联想记忆和优 化计算的新途径 Hopfield 发表了一系列有关神经 网络运用的文章 有力地推动了人工神经网络理论 的研究 神经网络虽有一定的局限性 但神经网络能够 解决一些用传统方法所难以处理的问题 人工神经 网络的非线性映射 学习分类和实时优化等基本特 性已成为一种重要的信息处理方式而普遍应用于各 2 人工神经网络理论在岩土工程中的应用 2010 年 个工程和学科的研究领域 目前神经网络研究方法 已形成多个流派 最富有成果的研究工作包括 多 层网络 BP 算法 Hopfield 网络模型 自适应共振 理论 自组织特征映射理论等 2 人工神经网络在土木工程中的应用人工神经网络在土木工程中的应用 自 80 年代末期起 人工神经网络开始在土木 工程中得到应用 Flood 率先采用人工神经网络方 法解决施工工序问题 随后研究范围逐渐扩大 如 施工过程的模拟 Flood 1990 施工费用预算 Moselhi 1991 地震危害预测 Wong 1992 环境岩土工程问题 Basheer and Najjar 1996 等 4 5 Ghaboussi 等 6 提出了一个 NANNs Nested Adaptive Neural Networks 网络用以模拟砂土的应 力应变关系 Ellis 7 采用改进的 BP 网络模拟砂土 的应力应变关系 该模型可以考虑应力历史和砂土 粒径的影响 同时可以考虑卸载和加载的影响 Zhu 等 8 用递归神经网络 RNN Recurrent Neural Network 模拟残积土在加载过程中的硬化和软化 现象 模拟应力控制和应变控制条件下的力学行为 并认为该模型可以模拟加载 卸载 再加载的过程 Teh 9 等采用 BP 网络预测单桩承载力 Kiefa 等 10 采用回归神经网络 GTNNs 预测桩的承载力 桩侧 摩阻力和桩端摩阻力 在国内土木工程界 较早从事神经网络在本学 科应用研究工作的是石成钢和刘西拉 他们采用人 工神经网络方法处理震中烈度与震级的关系 11 在网络的学习过程中 用过滤法解决样本的冲突问 题 计算结果具有较高的精度 许多学者也都已经 意识到神经网络在岩土工程中将会得到广泛的应用 从 90 年代初到现在 神经网络不断地被应用到岩 土工程的许多问题中去 并取得了许多成果 3 人工神经网络在边坡工程中的应用人工神经网络在边坡工程中的应用 滑坡的孕育和发生是一个复杂的过程 受到诸 多因素的影响 内在的因素主要有岩土介质的各向 异性 岩土结构的高度非均匀性 地形地貌以及地 应力的复杂性 外在的因素主要有地下水 降雨量 蒸发量 温度等因素的变化以及人类活动的影响等 这些内在 外在因素的相互耦合 相互作用 使滑 坡系统成为一个复杂的非线性动力学系统 从这个 意义上讲 研究与探索非线性滑坡预报的理论与方 法具有积极的意义的 目前 将人工神经网络应用 于边坡工程已经有了许多成果 林鲁生 冯夏庭等 12 将人工神经网络理论 应用于边坡滑移预测中 采用了典型的包含输入层 隐含层和输出层的三层前馈阶层 BP 网络 见图 1 各层间实行权连接 利用某重要供水工程高边坡多 年来的变形观测资料以及该地区的蒸发 气温 降 雨量等数据 在该边坡上选取比较有代表性的观测 点作为建模预测代表点 根据该具体边坡特点 分 别选取该地区时段内 24h 72h 最大降雨量 降雨 总量 降雨总量与蒸发量之差及时段内平均温度 5 个变量做为输入层参数 输出层有二个神经元 分 别为时段内水平位移和垂直位移 经 20 万次的训 练学习 模型达到 71 精确度 图 1 三层 BP 网络结构示意图 陈昌彦 王思敬等 13 将人工神经网络理论 用于边坡岩体稳定性判别中 建立了人工神经网络 预测模型 水电 冶金 公路等各类工程岩质边坡 岩体稳定性统计表明 岩石强度特性 岩体结构 岩体风化作用和坡高是影响边坡岩体稳定性的基本 因素 而水的作用 施工方式等构成了边坡岩体稳 定性的诱发因素 根据上述各因素对边坡岩体稳定 性的综合影响 将其归纳为 5 个复合指标 即边坡 岩体质量系数 结构面方位 结构面力学特性 坡 高及施工方式 图 2 边坡岩体稳定性评价的神经网络结构 3 土木工程测试技术结课论文 2010 年 模型以前述的 5 个复合指标为输入变量 采用 BP 神经网络算法 以边坡岩体稳定性系数和稳定 状态为输出变量 对大量工程实例进行学习训练 然后用这个模型对训练网络进行测试 通过对神经 网络预测的边坡岩体稳定状态与实际稳定性情况的 综合对比分析表明 预测的边坡岩体稳定性系数的 最大绝对误差小于 0 25 边坡岩体稳定状态预测的 对判率为 90 以上 鉴于传统的利用有限元计算进行岩体力学参数 反分析的工作量相当大 邓建辉 葛修润等 14 将 人工神经网络理论及遗传算法应用于边坡位移反分 析中 以提高反分析计算工作的效率和可靠性 采 用 BP 网络模拟有限元计算步骤如下 构造输入节 点数为 n 输出节点数为 m 的 BP 网络 n 为待反 演的参数个数 m 为监测位移数 构造网络训练样 本 其输入参数可以使用随机方法或正交设计的方 法构造 输出参数取相应输入参数的有限元计算值 构造测试样本并测试建立的模型 经过遗传算法优 化 3 个测试算例弹性模量反演结果的相对误差最 大时为 4 8 遗传算法克服了常规优化算法中计 算结果与初值有关的问题 这一结论在三峡工程永 久船闸边坡的位移反分析工作中得到了进一步证明 4 人工神经网络在基础工程中的应用人工神经网络在基础工程中的应用 目前 地基工程及基础工程中已有许多较为完 善的计算理论及实用的计算方法 如分层总和法 有限单元法等 在地基沉降 基础变形方面都有相 当广泛的应用 因此人工神经网络方法在地基及基 础工程中的应用并不十分广泛 在桥梁工程和城市高层建筑中 桩基被广泛使 用 桩基础作为我国工程建设中重要的基础形式之 一 从桩型到施工方法都朝着更新 更复杂的方向 发展 但由于桩土作用关系非常复杂 关于桩基性 状的各种理论解答还不能采用简便的表达式反映其 复杂多变的机理 尤其是难于反映施工及环境因素 对桩基性状的影响 因此 近年来在桩基工程方面 神经网络已在预测桩基极限承载力 单桩荷载 位 移关系及桩身完整性判断等方面得到初步的研究与 应用 Lee 等人较早地进行了桩基竖向极限承载力的 神经网络预测研究 15 1996 年 他们利用室内单 桩模型试验结果 按桩的入土深度 模型箱内的土 体应力和标贯击数等预测了模型桩的轴向承载力 预测误差多数在 15 以内 他们还利用现场 12 根 桩建立网络预测模型来对另外 12 根桩的极限承载 力进行预测 其误差在 25 以内 这一结果明显 高于按 Meyerhof 承载力公式计算结果的精度 王成华 赵志民 16 将土层的物理力学指标和 桩的几何因素引入到输入层 在输入元中 可处理 桩的最大入土深度 将其以 1m 为单位划分为若干 段 把每段土的各物理力学指标加权平均值设为输 入元 当桩不足最大深度时 对桩长深度到可处理 最大深度之间的各指标取 0 值 从而能更客观更全 面地反映实际情况 文中还对 BP 网络模型结构进 行了改进 即在输入层和隐含层之间增设一个过渡 层 见图 3 进而可更真实地反映单桩竖向承载 力发挥的过程 经检验 该模型预测误差小于 15 预测精度较高 图 3 有过渡层的 BP 神经网络结构 王建华 林琼 17 采用信息扩散方法对收集到 的单桩试桩资料进行了分析 建立了以桩的长径比 估算单桩在工作荷载下的沉降的 BP 型神经网络 利用该模型对上海地区 93 根混凝土预制打入桩的 沉降进行了预测 并与桩沉降的实测值 弹性理论 解答及三维有限元分析预测结果进行了对比分析 取得了较好的结果 在以沉降标准设计桩基承载力时 荷载 沉降 关系的预测显得尤为重要 1998 年 在第四届全 国桩基工程技术会议上 刘兴远 郑颖人 18 较详 细地论述了单桩工作特性分析的神经网络模型体系 框架 探讨了这些模型的若干 BP 型网络结构形式 指出了在建立单桩工作特性神经网络模型中可能遇 到的一系列具体问题 王成华 李武君 19 提出了一个预估钻孔灌注 桩在竖向荷载下位移的 BP 神经网络模型 该网络 模型为两级网络 第 1 级网络采用文献 16 所述的 网络 而第 2 级网络以第 1 级网络的输入元和输出 4 人工神经网络理论在岩土工程中的应用 2010 年 元为输入元 以极限荷载下桩的沉降和工作荷载下 桩的位移为输出元 并进一步推广到各级荷载下的 沉降的输出元 该模型还建立了 DPFNN 网络结构 见图 4 即在神经网络结构的基础上建立输入 层与输出层之间的直接联系 学习和检验结果表明 这种方法可以减少学习所需时间 并提高预测精度 图 4 DPFNN 的网络结构 5 人工神经网络在地下工程中的应用人工神经网络在地下工程中的应用 地下工程是被包围于地层介质中的一种结构物 它的设计和施工 因地质和施工条件的不同而变化 故不能按一般化的模式解决工程问题 多年来 人 们为解决地下工程设计和施工问题采用了各种计算 技术和分析手段 但地下工程的设计和施工始终带 有一定的经验色彩 人们都希望寻求一种更有效的 途径来解决这一问题 由于在地下工程中 要处理的信息量大 而且 这些信息的模糊性 随机性也很大 因此神经网络 将会成为地下工程的有效分析手段 目前神经网络 在地表沉陷预测 围岩分类 地下工程灾害预测 隧道支护体系的稳定性判别等方面已经有了大量的 应用成果 王穗辉 潘国荣 20 将盾构推进后的地表沉降 视为一非线性连续函数的离散时间序列 选取盾构 推进面前 20m 和推进面后 30m 范围为变形区 将 浦东东方路至东昌路区间 1997 年 4 月 20 日 1997 年 6 月 10 日的 52 期观测资料组成 47 个实测资料 由此应用神经网络建立盾构推进与变形量的映射关 系 与用 AR 模型以及指数平滑法的预测结果进行 比较的结果表明 人工神经网络用于隧道内部及地 表变形预测 效果优于其它方法 杨朝晖 刘浩吾 21 利用 BP 算法建立了一个隧 道围岩稳定性分类的人工神经网络模型 模型中将 岩石质量指标 RQD 湿抗压强度 Rw 完整性系数 Kn 结构面强度系数 Kf和地下水渗水量 w L 等 5 种指标作为分类因素 对围岩采用了五级分类方法 最后将该模型应用于漫湾水电站 2 号导流隧洞围岩 稳定性分类 得出了与模糊数学方法和灰色优化理 论模型一致的分类结果 与模糊数学方法和灰色优 化理论模型相比 神经网络模型的分辨率有较大提 高 更具有工程实用价值 陈海军 郦能惠 22 利用附加动量法和自适应 学习速率法改进 BP 算法 建立了岩爆预测的神经 网络模型 对岩爆的发生及其烈度进行预测 模型 中选取抗压强度 抗拉强度 弹性能量指数 c t 和切向应力作为判别指标 输出层取 2 个 et W 二值型神经元 以表示岩爆烈度分级 然后对 13 个实例进行网格训练 最后利用该模型对国内外五 个地下工程进行了岩爆预测 得出了与实际情况完 全一致的结果 为岩爆预测提供了一条新的有效的 方法 图 5 岩爆预测网络模型结构图 周建春 魏琴 23 采用 BP 神经网络进行公路隧 道围岩力学参数的反演分析 其过程为 先进行正 演问题的求解 得到反映隧道工程结构系统输入和 输出关系的样本 采用 BP 神经网络对上述样本进 行学习训练 在一定收敛条件下得到相应的权值矩 阵和阈值向量 最后采用训练后的 BP 神经网络 对实测位移 应力 应变等进行网络仿真 得到隧 道围岩力学参数 通过对未参与训练的两个样本进 行的反演分析 证实采用 BP 网络反演隧道围岩力 学参数 效果令人满意 6 结语结语 人工神经网络在岩土工程中的应用已经越来越 广泛 所渗透的领域也越来越多 这在一定程度上 说明了应用神经网络方法解决复杂的岩土工程问题 5 土木工程测试技术结课论文 2010 年 的有效性 神经网络方法和有限元法 位移反分析 法等多种方法的比较显现出了神经网络方法所具有 的传统数值计算方法没有的优点 由于岩土工程问题的复杂性 在已知量和所求 量之间往往存在着一种很强的非线性关系 而神经 网络正是具备高度的非线性映射能力 可以相信 神经网络在岩土工程中的应用是非常有潜力的 必 定会有越来越多的岩土工程师采用神经网络方法来 解决岩土工程领域的各种问题 参考文献 参考文献 1 袁曾任 人工神经元网络及其应用 M 北京 清华大学出版社 1999 2 张立明 人工神经网络的模型及其应用 M 上海 复旦大学出版 社 1993 3 Rumelhart D E Hinton G E Williams R J Learning representation by back propagation errors J Nature 1986 323 9 533 536 4 Ian Flood Nabil Katram Neural networks in civil engineering J Civil Engineering 1994 8 2 131 148 5 李庆来 深基开挖变形预测及信息施工 D 杭州 浙江大学 1997 6 Ghaboussi J Sidatra D E New method of material modeling using neural networks J Numerical models in Geomechanics 1997 393 400 7 Ellis G W Yao C Zhao R Penumadu D Stress strain modeling of sands using artificial neural networks J Geotechnical Engineering 1995 121 5 429 435 8 Zhu J H Zaman M M Anderson S A Modeling of soil behavior with a recurrent neural network J Canada Geotechnic 1998 35 858 872 9 Teh C I Wong K S Goh A T C Prediction of pile capacity using neural networks J Civil Engineering 1997 11 2 129 138 10 Kiefa M A A General regression neural networks for drivenpiles in cohesionless soils J Geotechnical En