CN114969932B 一种基于tsne-bp神经网络的基坑水平位移预测方法 （浙江工业大学）

一种基于TSNE-BP神经网络的基坑水平位移一种基于TSNE-BP神经网络的基坑水平位移中以损失函数Loss≤0.001的情况下取反演标准反演参数输入Midas中进行计算得到基坑水平位21.1根据基坑工程提供的地勘报告及相关信息运用MidasGTSNX建立相关有限元模1.2选取监测点，确定土体反演参数进行正交试验设计并将所有组合投入Mid2.1运用xlrd模块读取步骤(1)完成的监测表，并运用Num2.2结合TSNE算法建立TSNE-BP神经网络，确定网络结构为输入层-隐含层1-隐含层2-输入由线性层传递至BN层再到激活层，即x＝self.act1(self.bn1(self.hidden1接着再传递至第二层线性层，批归一化层和激活层，即x＝self.act2(self.bn2γ——学习拉伸参数；——输入数据x的均值；3≤0.001的情况下取反演标准误差最低的一组数据为标准得到反演参数，并将反演参数输入Midas中进行计算得到基坑水平位移预测值，并计算预测标准误差及后续工况的预测位2.根据权利要求1所述的一种基于TSNE-BP神在于：步骤1.3中通过滑动式测斜仪自动采集基坑深层土体水平位移监测数3.根据权利要求1所述的一种基于TSNE-B4.根据权利要求1所述的一种基于TSNE-BP神经网络的基到的监测点变形实测值y结合步骤三得到的水平位移预测值yP，计算其标准误差作为评价4及首次运用于岩土工程领域的TSNE算法的基坑土体参数反演方法和基坑水平位移预测方件愈发严峻，给广大岩土工程技术人员在安全性与经济性的权衡上带来了前所未有的挑[0004]本发明根据现有方法与技术的不足之处，提出了一种基于TSNE-BP神经网络的基[0006]实现本发明的技术方案是提供一种基于TSNE-BP神经网络的基坑水平位移预测方[0008]1.1根据基坑工程提供的地勘报告及相关信息运用M5[0013]2.2结合TSNE算法建立TSNE-BP神经网络，Loss≤0.001的情况下取反演标准误差最低的一组数据为标准得到反演参数，并将反演参数输入Midas中进行计算得到基坑水平位移预测值，并计算预测标准误差及后续工况的预[0029]本发明步骤1.3提及的通过滑动式6[0043]本发明步骤2.3提及的一种基于TSNE-BP神经网络的基坑土体参数反演及水平位得到的监测点变形实测值y结合步骤三得到的水平位移预测值yP，计算其预测标准误差作反演参数进行正交试验设计进一步获取训练集样本，同时通过智能测斜仪得到测试集样能力。TSNE作为首次运用于岩土工程领域的算法对于数据集较传统的SNE算法有更好的降[0050]②本发明提出的TSNE-BP神经网络算法可对高维的输入数据进行降维处理，克服[0051]③本发明提出的TSNE-BP神经网络算法利用非线性降维，具有实现高维数据可视7[0052]④本发明提出的TSNE‑BP神经网络算法在降维时在传统SNE降维算法的基础上使[0054]⑥本发明提出的TSNE‑BP神经网络算法较传统BP神经网络与数值模拟方法表现出[0061]参见附图1，为本实施例用于基坑土体参数反演及水平位移预测研究的基坑监测注桩，埋置深度为30.2m，支撑体系采用两道钢筋混凝土支撑，基坑周边被动区加固采用p850@600三轴水泥搅拌桩。选取基坑东侧与南侧位移较大的监测点CX02与CX05进行分深度的位移与标准误差作为输入层的原始样本数据[0062]参见附图2，为本发明实施例用于基坑土体参数反演及水平位移预测研究的基坑[0063]参见附图3，为本发明实施例提供的基坑土体参数反演及水平位移预测技术路线数E50,并设计正交试验设计得到25种土层参数组合并代入Midas计算得到训练样本。利用8[0066]1.1根据基坑工程提供的地勘报告及相关图纸运用M据基坑模型尽量均匀的从浅到深选取12个深度的计算位移数据与实际监测数据并计算标9w＝0.8。评价该误差，并配合标准误差的反演值在结果中以损失函数Loss≤0.001的情况下取反演标准误差最低的一组数据为标准得到反演参数，并将对应工况的反演参数输入Midas中进[0108]将12个深度的变形预测值yP与变形实测值y进行对比，计算其标准误差，公式如4.656-5.3304.325-6.7674.456-6.9864.339-5.026[0115]表1结果表明TSNE算法的融入有效缩减了各土层反演参数的取值范围，尤其对于[0116]通过TSNE-BP神经网络与BP神经网络得到反演参数，其水平位移标准误差结果如[0120]表2结果表明TSNE-BP反演模型与实测结果的拟合效果更好，总体趋势与实际相[0121]将合理的反演参数代入得到下一工况的变形，并与实际变形比较得到TSNE-BP算[0125]表3结果表明CX05预测误差小于CX02预测误差且两测点预测误差均稍大于实际反演误差，数值上整体较小。总体来说，在对测点整个深度范围内的水平位移预测问