土钉墙神经网络理论

本文介绍了在一个土钉支护工程中土钉应力的监测结果，同时将神经网络理论引入土钉应力的预测中，建立了土钉应力预测的时间序列神经网络模型，并用遗传算法改善BP网络的局部极小值问题。最后，将预测结果与实测数据进行了比较，结果表明本文方法是有效的。关键词：深基坑；土钉支护；土钉应力；监测与预测；神经网络；遗传算法。土钉支护近年来快速发展，已成为一种重要的基坑支护型式，它充分利用土体自身的强度，通过在原位土体中设置钢筋等金属杆件(土钉)，分担土体所承受的外力和自重，改善土体的受力情况，并在开挖面构筑钢筋网喷射混凝土面层，使土钉、面层和原位土体三者构成一个整体而共同工作。土钉支护具有施工方便、性能可靠和突出的经济特性，同时，在土钉支护的施工过程中，对周围环境的影响很小，因此，土钉支护被广泛应用于基坑开挖工程中。在全国许多省市的基本建设中，土钉支护发挥了重要作用，创造了显著的经济效益[1～3]。在基坑开挖过程中，土钉应力的发展直接反映了土钉在整个围护结构中所发挥的作用。就内部稳定性而言，若土钉受力较小，说明围护结构是安全的；若土钉受力过大，则有可能发生土钉屈服或土钉与周围土体之间发生滑移，而导致围护结构的破坏。目前的对策一般是采用监测的方法，在基坑开挖的整个过程中，对其各方面的情况进行观测，以便及时发现问题，采取必要措施。但监测资料所能反映的只是当天及以前的情况，而无法对其将来的变化作出预测，因而有学者提出了信息化施工的概念，即根据现场量测的信息，依据基坑当前的响应对后续响应作出预测，进行预测的方法有基于反演分析的预测法、灰色预测法等[4，5]。本文引入神经网络(ArtificialNeuralNetworks)的方法对土钉应力进行预测。1人工神经网络的基本原理人工神经网络属于人工智能的范畴，近十几年来得到了迅速发展，它模拟人脑的结构及其智能特点，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、冗余性等特点。人工神经网络具有高度的非线性映射能力，事先不需要假设输出变量与输入变量之间的关系，而是通过样本的学习，实现输入与输出之间的非线性映射，因此，人工神经网络已成为一种重要的信息处理方式而普遍应用于各个工程和学科的研究领域[6～8]。80年代末期，人工神经网络也开始在土木工程中得到应用[9，10]。目前已出现的神经网络模型很多，对网络进行训练的方法也很多，而在工程中得到应用最多的是BP神经网络(BackPropagationNeuralNetwork)，它是一种多层前馈型神经网络，采用反向传播学习算法。BP神经网络的算法包括两大步骤：其一是输入的正向传播过程，即输入数据从输入层逐层向输出层传播，得到输出响应；其二是输出误差的反向传播过程，即输出的误差由输出层开始反向传播到输入层，而网络各层的权值改变量则根据传播到该层的误差大小来决定。BP神经网络算法的步骤如下：(1)初始化网络各层的权值wij(0)和神经元阈值θj(0)为小的随机数；(2)提供学习样本，即输入向量xn和输出向量yn，n=1，…，N；(3)计算网络的实际输出及隐层单元的状态：Opj=f(ΣwijIpi-θj)(隐含层)(1)Opk=f(ΣwjkIpj-θk)(输出层)(2)式中：f为Sigmiod函数，f(x)=1/[exp(-x)+1];Ipi为训练样本为p时节点i的输入。(4)计算误差对各层的影响：δpk=Opk(1-Opk)(Ypk-Opk)(输出层)(3)δpj=Opj(1-Opj)Σδpkwjk)(隐含层)(4)式中：Ypk为训练样本为p时网络输出层节点k的期望输出。(5)修正权值和阈值：wji(n+1)=wji(n)+ηδpjOpj+α(wji(n)-wji(n-1))(5)θj(n+1)=θj(n)+ηδpj+α(θj(n)-θj(n-1))(6)(6)计算网络输出误差：己E踩＝封1/未2予Σ狸(Ypk-O按pk)2筑(7)愧陷式中呀：鹊η仓为学习率中；雁α挺为动量因子。贴面煎(7窜)缸判断误差是否绳满足要求，若丝满足则转道到抛(8业)线，否则转朽到向(3搁)辽；炸顷笋(8走)料训练结束。汗2务姑土钉应力的观磁测板表趣1己不基坑开挖深度酿内各土层物理鲁力学指标暂土层名辩称陵掠天然重度祸γ袋/(kN/m狮3)终内摩擦角循φ师/°

蝶抗剪强度除C/kPa允晒厚度热h/m尾杂填急土倚18.0殊1510续0.9处塘知泥田17.0领551.值0疫粉土车18.7聋31.52孤3.74.旨1筋粉土农18.5伐30.71钳2.04.述6尚某深基坑陶工程位于杭州豆江干区，围护铃结构采用土钉祝支护，基坑开粒挖深度牺为蜓7.5暮m改，基坑开挖深熄度内各土层物哥理力学指标如度表缎1耗所示，围护结续构的典型剖面嫂如的图剩1雅所示。离土钉采用坝全长锚固式压季力政灌浆毙，其筋体找为呀Φ渠2脚5首螺纹钢，土钉谎体孔径层为熟100m析m返，用洛阳铲人坛工成孔。在基吵坑开挖过程中窑，测试了两根泪土钉的应力变定化情况，其位处置都在离坑底神最近的地方，午即最下面一排承土钉，每根土密钉上设置治了亦4陵个测点。由于雀钢筋丝尺寸很小，而看且埋置在土体雄里面，还要进右行压力穷灌浆米，采用应变片倍进行量测效果邀不好，因此本何文采用的是振期弦式洞钢筋嚼计。测点的布逆置见康图产2价，测点从开挖纺面一端开始编浇号依次役为业1金、令2气、塞3想、飘4猾.溉为了确定和验妻证设计中所采雪用的土钉与土和体之间的极限淘摩阻吴力龟τ要f跃，进行了土钉模原位抗拔试验秤。试验结果表俩明，其极限摩蚊阻厕力原τ矿f辉为纵63.95k况P欠a和，而在设计时暖采用的极限摩搜阻力荡为森38.20k赚P模a醒，两者之间的恭比值阵为眼0.6(<0教.8裂)逼，满足《基坑艘土钉支护技术栽规程哨》蚕(CECS9裙6迎：壶97)[11汁]六的规定。在基遮坑开挖过程中堪，采用二级井奉点降水，以保宇证地下水位在翻坑底以下。贝土钉应力揉的测试结果见拨表编2具和塔表久3开，各测点的应扬力单位都真为参N/mm宇2劣，其旋中结1刑号土钉生的法4堵号测点因导线篮在施工中被拉屋断而使监测中边断。从测试结雄果我们可以得悦出以下结论：嫌释为(1纺)焦随着开挖的继摩续进行，土钉妹开始发挥作用墨，土钉所承受饱的应力逐渐增僻大。武恒图贪1卫粒围护结构的典疏型剖吵面禁浇图犹2红钢筋灾计布爱置挎马表错2鹰1融号土钉应力监筋测结果比氏序请号筹座σ砌s1恼茄σ挎s2您体σ显s3掠叛σ龟s4友精序乡号狸座σ浆s1虹舅σ倒s2通辉σ犬s3查扣σ筋s4钉姥117.2躺9.79危.65.1浴2633然.322.缎319.4膏-增216.6樱8.97蔑.33.9伯2734律.922.嘴920.4港-式319.4落11.1宇10.35到.328技34.92湾2.920百.0-祝425.5端17.8穗15.37接.429歇34.92狡5.420牌.0-桥528.1怕18.6荣14.06顾.830缩35.22萍6.321仗.4-套625.2面16.8梨14.37倍.131旱35.22喜7.121先.4-冰726.8盐17.4健15.3-伙3236颈.728.机026.0牲-佩826.5赴16.6摧15.6-笨3339隐.829.播126.7旁-姻925.2脊16.9垂16.2-垫3438丘.526.辆425.5市-亚1026.贱517.4键15.6课-353毫9.828稿.626.特3-舌1128.脏119.1作16.9管-363套9.831旦.027.守0-钩1230.徒419.4文17.2担-373鸭8.528亮.926.掠5-宣1330.漏419.4昨17.2造-383承8.227欠.725.妈8-倘1431.码021.0锡17.5舟-393岸9.429极.426.钓7-巴1529.呆820.7贡17.2旧-403猪8.228山.026.办3-壁1627.编818.6字16.3乖-414委1.435萍.427.敢0-我1728.崖419.1拦17.2利-423书8.828林.426.种5-冠1830.场119.8辞17.2稍-434著1.432倚.125.址8-秤1931.讯421.0圣18.4稼-443巷9.829锦.426.里7-嗓2029.绸820.7阅19.7摇-454莲0.731习.027.止7-响2127.晕817.5秋13.7求-464着1.131储.528.湿1-瞎2227.燥217.4忘16.2顶-474推2.433男.329.忌7-老2330.凝120.0得18.4株-484索2.433归.329.弓7-苹2431.辈722.0楚19.1峰-494练0.2都生扇酱29.42代8.6支2532.四722.0批19.4拾5042.辫433.3任29.7嚼表魄3押2库号土钉应力监拿测结果怜序皱号介友σ副s败1爬σ赛s2模至σ疾s3扇循σ挤s4惰踢序悲号迁泰σ磁s1雁侨σ洽s2初拜σ钥s3朴姨σ奥s4竿117.2强8.64像.12.9患829.当715.9作9.77距.4张221.3拳10.8态5.33.戚2930哈.615.招08.4谨7.4获323.7吩12.1体6.33.涂9103渣1.316桌.910.蹄07.8多425.1罪14.0电7.86.厨4113排3.115秘.611.锅98.7叮525.4箱13.4滩7.86.吹4123树7.217辈.512.款58.7穿627.7雨14.6尼8.47.塞1134拼3.419详.712.悦58.7泄727.0疾13.7肝7.86.喇8144察3.419问.710.科08.1因惕肿(2壮)青在同一根试验抗土钉上，靠近教基坑开挖面的括测点所受的应挥力最大，随着天离开挖面距离洲的增加，各测邪点的应力变小拖，这是因为试颜验土钉处在最锁下面一排，离蜘基坑底很近，厘潜在滑裂面穿益过试验土钉靠滚近基坑开挖面渴的位置，使得采试验土钉上布厦置的测点都在的抗力区内，越感靠近滑裂面，堤应力越大。映效爹(3思)套试验土钉上各们测点所测得的诚最大应力样为贤43.4N/香mm延2嘱，远远小于炕钢筋开的屈服强度吐(310N/犯mm2养)嘱，这与以往文么献中的结论是产一致的，即单芝根土钉的破坏疤一般是土钉砌体史(管包括土钉钉体耀与包裹其周围喜的水泥砂盯浆等)鞭与土体之间发兽生滑移导致土驶钉被拔出，而纽很少发生土钉手钉体本身的屈静服破坏。蜂件哈(4伙)盖比较愚表溜2超和启表哄3骡可以看出极，件1栗号土钉座的默σ借s侧2雁和迫σ尤s艰3胖比较接近，抗而顷2伯号土钉尝的该σ头s原2丽和践σ逐s直3父则差别较大，猾这是因相为按1炉号土钉的理灌浆猾质量较差，造芽成测疾点串2犹和测昆点高3鼠之间主要由土才钉消体槐(抢钢筋际)仁本身传递力的勇作用，而不是赚由水泥沙浆与藏土体之间摩擦寨作用传递。如造果在整个土钉劣长度范围内的眉灌浆质量都不欲好，该土钉就攀不能在围护结遮构中发挥其作得用，因此，在抄施工中应注意栗灌浆的质量问晶题。晒疫枪(5译)替根据试验结果搬计算得到基坑咐开挖过程中土危钉与土体之间查摩阻力的最大兴值哈为曾τ车max=17腾.08kP按a阳，则其安全系进数断k乌=千τ侨max宗/桐τ诵f=63.9龟5/17.0壁8=3.7叙4挥，完全能够满声足要求。险3斩着土钉应力预测关神经网络模型施及应用燥土钉的应贡力监测结果见例表各2皱和遍表密3压，货1着号土钉的监测摄数据比较多，筛故值以巧1趋号土钉的应力坏作为预测的对比象。本文采用德了时间序列神页经网络模胀型灶[1夸2计，罚13疲]铃，所用的算法迹就是上述饰的涨B饱P奉学习算法，猾以鼓1集号土钉刊的坛1嘴号测点为例进抢行预测。神经浙网络模型的输禾入层勾为详4醒个神经元，代露表直1累号测点连壁续故4起次监测的数据另；输出层麻为触1报个神经元，代惑表旨1六号测点在下一妹个时刻的应力欧；隐层数为一备层，包间括鲜9销个神经元。再翅植B萍P肺算法有一个很廊大的药缺陷膜，就是容易陷团入局部最小值窝，为了解决这奶个问题，前人耐提出了很多的镜方法，而其中绢，遗传算法是效比较突出的一美种算卫法捡[1嘴4仁～妇16嚷]挑。遗传算法由维美国生物学江家据题llan袖d灰提出，它是一惰种借鉴生物界慧自然选择和自登然遗传机制的节高度并行、随凭机、自适应搜熄索算法。遗传亦算法在搜索过线程中不容易陷或入局部最优，耽是一种全局性券的搜索算法。遮遗传算法的主昌要步骤如下：像失壤(1恼)喷随机产生一个寸由确定长度的渠特征串组成的吴初始群体；贼刻何(2恼)嫌对串群体执行抵以寸下始(a酱)传步蹦和裁(b敌)辫操作，直至满趟足停止准则：张坟坛(a进)菜计算群体中每汇个个体的适应盗值；辜劈诉(b蝴)碌应用复制、杂摇交和变异算子糕产生下一代群重体。风跪秆(3爸)妖把在任一代中绞出现的最好的裁个体串指定为舌遗传算法的执甘行结果，这个鬼结果可以表示贵问题的一个匹解雄(孩或近似炸解虾).秋畜在课B蛾P确算法中引入遗缎传算法，可以萄有效地解决局妥部最小值的问成题，本文即采谦用了这种方法鄙。瓣本文用监销测所得数据对汉网络进行了训地练，训练完成弊以后，网络即模可用于预测阶烧段的工作玻，浑1冈号土杨钉机1和号测点的应力竖预测结果见辫表欣4强.扭预测的最大相柿对误差致为奸15.7地%歌，能够满足工狸程上的要求。剪表胶4丘虚应力预测结果伏与监测数据的皮比较捆序匹号肉4041鉴4243戴4445肿4647托4849娘50纺实测涨值日38.2亿41.43