BP神经网络在岩土工程上的应用

1、1同济大学地下系 顾剑波 13327192 bp神经网络简介 bp神经网络算法 bp神经网络的matlab实现 目目 录录 实际工程案例分析 结论与建议3 bp神经网络简介神经网络简介 神经元的解剖图神经元的解剖图细胞体突触轴突树突图12.2 生物神经元功能模型输入输出信息处理电脉冲形成传输 神经网络基本模型神经网络基本模型4 bp（back propagation）网络是）网络是1986年由年由rumelhart和和mccelland为首的科学家小组提出，是一种按误差逆传播算法训练的多层前馈网络，为首的科学家小组提出，是一种按误差逆传播算法训练的多层前馈网络，是目前应用最广泛的神经网络模型之

2、一。是目前应用最广泛的神经网络模型之一。bp网络能学习和存贮大量的输网络能学习和存贮大量的输入入-输出模式映射关系，而无需事前揭示描述这种映射关系的数学方程。输出模式映射关系，而无需事前揭示描述这种映射关系的数学方程。目前，在人工神经网络的实际应用中，决大部分的神经网络模型是采用目前，在人工神经网络的实际应用中，决大部分的神经网络模型是采用bp网络和它的变化形式。网络和它的变化形式。bp网络主要用于：网络主要用于： bp神经网络简介神经网络简介 函数逼近函数逼近 模式识别模式识别 分类分类 数据压缩数据压缩5基本基本bp网络的拓扑结构网络的拓扑结构b1bia1c1cqcjahbpanwp1wi

3、qwpjw1qw1jwij11w11wpqwi1vh1vhiv1ivn1vniv1pvhpvnpkjckqckhakna1ka输出层输出层lc隐含层隐含层lb输入层输入层lawvklc6（1）输入层不计在层数之内，它有）输入层不计在层数之内，它有 个神经元设网个神经元设网络络 共有共有l层；输出层为第层；输出层为第l层；第层；第 k层有层有 个神经元个神经元假设：假设： (2) 设设)( iuk表示第表示第k层第层第i神经元所接收的信息神经元所接收的信息 wk(i,j) 表示从第表示从第k-1层第层第j个元到第个元到第k层第层第i个元的权重，个元的权重， )(iak表第表第k层第层第i个元的输

4、出个元的输出 kn0n bp神经网络算法神经网络算法多层前馈网络 7（3）设层与层间的神经元都有信息交换（否则，可设它们）设层与层间的神经元都有信息交换（否则，可设它们之间的权重为零）；但同一层的神经元之间无信息传输之间的权重为零）；但同一层的神经元之间无信息传输 (4) 设信息传输的方向是从输入层到输出层方向；因此称为设信息传输的方向是从输入层到输出层方向；因此称为前向网络没有反向传播信息前向网络没有反向传播信息 （5） 表示输入的第表示输入的第j个分量个分量 )(0ja bp神经网络算法神经网络算法8在上述假定下网络的输入输出关系可以表示为：,1),()(),()(),()(.,1),()

5、(),()(),()(,1),()(),()(),()(1101112221212211111011lllnjllllnjnjniiufiaijajiwiuniiufiaijajiwiuniiufiaijajiwiul 其中其中 表示第表示第k层第层第i个元的阈值个元的阈值. ( )ki9输入数据输入数据求实际输出与求实际输出与期望输出之间期望输出之间的误差的误差误差是否满误差是否满足要求足要求调整神经网（通过修改权值）调整神经网（通过修改权值）否否结束结束开始开始 bp神经网络算法神经网络算法层与层之间如何传递：传递函数层与层之间如何传递：传递函数误差的判别公式：性能函数误差的判别公式：性能

6、函数如何调整权值：训练函数与偏差学习函数如何调整权值：训练函数与偏差学习函数三个重要概念三个重要概念是是正向传递正向传递反向传递反向传递10 bp神经网络的神经网络的matlab实现实现newff newff 创建前向创建前向bpbp网络网络格式：格式：net = newff(pr,s1 s2.snl,tf1 tf2.tfnl,btf,blf,pf) 其中：其中：pr pr r r维输入元素的维输入元素的r r2 2阶最大最小值矩阵；阶最大最小值矩阵； si si 第第i i层神经元的个数，共层神经元的个数，共n1n1层；层； tfitfi 第第i i层的传递函数，默认层的传递函数，默认tan

7、sigtansig； btfbtf bp bp网络的训练函数，默认网络的训练函数，默认trainlmtrainlm; ; blf blf bp bp权值权值/ /偏差学习函数，默认偏差学习函数，默认learngdmlearngdm pf pf 性能函数，默认性能函数，默认msemse；（误差）；（误差）tan( )xxxxeesig xee11（1 1）purelin purelin 线性传递函数；线性传递函数；（2 2）tansig tansig 双曲正切双曲正切s s型型（sigmoid）传递函数；传递函数；（3 3）logsig logsig 对数对数s s型（型（sigmoidsigm

8、oid）传递函数；）传递函数；1 1、传递函数：、传递函数：（1）（2）（3）1log( )1xsig xe122 2、训练函数：、训练函数：trainlm levenberg-marquardt levenberg-marquardt的的bpbp算法训练函数；算法训练函数；trainbfg bfgs bfgs拟牛顿拟牛顿bpbp算法训练函数；算法训练函数；trainrp 具有弹性的具有弹性的bpbp算法训练；算法训练；traingd 梯度下降是梯度下降是bpbp算法训练算法训练; ;traingda 梯度下降自适应梯度下降自适应lrlr的的bpbp算法训练；算法训练；traingdm 梯度下

9、降动量的梯度下降动量的bpbp算法训练；算法训练；traingdx 梯度下降动量和自适应梯度下降动量和自适应lrlr的的bpbp算法训练算法训练；bpbp权值偏差权值偏差/ /学习函数与性能函数一般取默认值！学习函数与性能函数一般取默认值！13实际工程案例分析实际工程案例分析 紫金港路位于和紫金港路位于和谐杭州示范区的核心谐杭州示范区的核心区域，南邻西溪国家区域，南邻西溪国家湿地公园，北接浙江湿地公园，北接浙江大学新校区，作为区大学新校区，作为区块内主要的南北向骨块内主要的南北向骨架道路交通地位十分架道路交通地位十分重要。重要。 紫金港隧道工程全长紫金港隧道工程全长2.65公里，其中文一西路北

10、侧约公里，其中文一西路北侧约0.5公里为地面道路，然公里为地面道路，然后自南向北依次下穿余杭塘河、余杭塘路后自南向北依次下穿余杭塘河、余杭塘路(规划规划)、浙大南通道、浙大南通道(规划规划)、俞家河、浙大、俞家河、浙大北通道北通道(拟建拟建)、族滨漾、育英路、族滨漾、育英路(规划规划)、留石快速路，在穿越留石快速路后接地面道、留石快速路，在穿越留石快速路后接地面道路，下穿隧道全长路，下穿隧道全长2.16公里。隧道为双向四车道，中间隔断，等级为城市主干道。公里。隧道为双向四车道，中间隔断，等级为城市主干道。地下立交三维模型地下立交三维模型14r-r挡墙剖面图挡墙剖面图目标！目标！通过历史通过历史

11、观测得到的观测得到的r-r挡墙位移数据来挡墙位移数据来预估今后一周的挡墙位移预估今后一周的挡墙位移实际工程案例分析实际工程案例分析15第一步：数据处理，选取第一步：数据处理，选取9月份（月份（1号号30号）号）r-r挡墙的位移观测值整挡墙的位移观测值整理成一张理成一张excel表表第二步：输入、输出层设计第二步：输入、输出层设计输入层：输入层：3+1，即通过前两天以当天位移数据（，即通过前两天以当天位移数据（3）来预测明天挡墙位）来预测明天挡墙位移（移（1）输出层：输出明天挡墙位移输出层：输出明天挡墙位移第三步：隐层设计第三步：隐层设计层数：层数：1层层神经元：神经元：8个（经过调试，个（经过

12、调试，8个比较好）个比较好）采用技术：多步预测技术，时间窗口滚动技术采用技术：多步预测技术，时间窗口滚动技术实际工程案例分析实际工程案例分析16 matlab程序程序data=xlsread(sepdata); %读入读入9月份挡墙位移实测值数据月份挡墙位移实测值数据p=;t=;step=7; %预测步长选为预测步长选为7for i=1:18 p=p,data(:,i+1:i+3);end %得到输入向量，采用多步预测技术得到输入向量，采用多步预测技术for i=5:22 t=t,data(:,i);end %得到目标向量，即期望输出得到目标向量，即期望输出pr=minmax(p); %获取输

13、入向量的最大最小值获取输入向量的最大最小值net=newff(pr,8,1,logsig,purelin,traingd); %创建创建bp网络网络net.trainparam.show=50; %每次循环每次循环50次次net.trainparam.epochs=6000; %最大循环最大循环6000次次net.trainparam.lr=0.05; %设置学习速率设置学习速率net.trainparam.goal=0.05; %期望目标误差最小值期望目标误差最小值net = train(net,p,t); %对网络进行反复训练对网络进行反复训练p=data(:,22:24);for i=1:step p(i+3,:)=sim(net,p(i:i+2,:);end %得到预估值，采用时间窗口滚动技术得到预估值，采用时间窗口滚动技术 采用采用9月月1日日9月月20日的实测日的实测结果作为训练结果作为训练样本，训练样本，训练bp网络网络采用采用9月月21、22、23日日数据作为样本数据数据作为样本数据预测预测9月月2430日挡墙位日挡墙位移值移值17 工程实例工程实例9月月24日实测数据与预估数据对比图日实测数据与预估数据对比图189月月30日实测数据与预估数据对比图日实测数据与预估数据对比图19 结论与建议结论与建议控制精度的几个因素：控制精度的几个因素