（中鐵十六局集團(tuán)第五工程有限公司唐山063030）

神經(jīng)網(wǎng)絡(luò)及其在巖爆災(zāi)害預(yù)測中的應(yīng)用

倪富來

（中鐵十六局集團(tuán)第五工程有限公司唐山063030）

巖爆是高地應(yīng)力區(qū)巖質(zhì)隧道開挖施工過程中發(fā)生的主要施工地質(zhì)災(zāi)害之一，它的發(fā)生對隧道施工企業(yè)的安全生產(chǎn)構(gòu)成很大的威脅，對巖爆發(fā)生可能性及其程度的預(yù)測是這類隧道設(shè)計(jì)、施工及安全生產(chǎn)所面臨的重大問題。依據(jù)隧道巖爆發(fā)生的條件，基于國內(nèi)外隧道及地下工程巖爆實(shí)例，應(yīng)用人工神經(jīng)網(wǎng)絡(luò)方法，建立了巖爆危險(xiǎn)性預(yù)測的評價(jià)模型并應(yīng)用vc++6.0實(shí)現(xiàn)了該評價(jià)模型，將其運(yùn)用到武隆隧道的巖爆預(yù)測中，取得了良好的效果。

BP神經(jīng)網(wǎng)絡(luò)；武隆隧道；巖爆預(yù)測

1 前言

巖爆是隧道開挖過程中圍巖的一種非正常破壞現(xiàn)象，主要表現(xiàn)為大范圍的巖體突然破壞，破裂圍巖的動(dòng)力拋擲，并伴有不同程度的爆炸、撕裂聲，圍巖釋放大量能量，使幾米至幾百米的硐室瞬間破壞。嚴(yán)重的巖爆可將巨石猛烈拋出，甚至一次巖爆就能拋出數(shù)以噸計(jì)的巖塊和巖片，常常造成人員傷亡和設(shè)備損失。巖爆不僅使人產(chǎn)生恐懼感，而且直接威脅施工人員和設(shè)備的安全，嚴(yán)重的會誘發(fā)地震，造成地表建筑物的破壞。所以對巖爆發(fā)生的可能性及其危險(xiǎn)程度的預(yù)測是隧道設(shè)計(jì)、施工企業(yè)在高地應(yīng)力區(qū)巖質(zhì)隧道建設(shè)過程中所必須解決的問題[1]。

目前專家、學(xué)者們已從強(qiáng)度、剛度、能量、穩(wěn)定、斷裂、損傷、分形和突變等方面對巖爆現(xiàn)象進(jìn)行了分析，提出各種假設(shè)和判據(jù)。在一些假設(shè)和判據(jù)中僅考慮個(gè)別影響因素，會產(chǎn)生片面性和局限性，而考慮所有因素又會使問題復(fù)雜化[2]。另外，巖土工程中的有關(guān)因素，其本身通常只具有相對的準(zhǔn)確度，它們與巖爆的關(guān)系往往不能以簡單的是與否進(jìn)行評價(jià)，非線性的人工神經(jīng)網(wǎng)絡(luò)方法正適合解決此類問題，它不要求巖爆與各影響因素間有明確的函數(shù)關(guān)系，只需要選取必要的、容易確定的影響巖爆的主要因素，進(jìn)行正確的學(xué)習(xí)和預(yù)測。

2 BP神經(jīng)網(wǎng)絡(luò)算法與實(shí)現(xiàn)

2.1 典型的三層BP網(wǎng)絡(luò)學(xué)習(xí)算法典型的三層BP網(wǎng)絡(luò)學(xué)習(xí)算法如下：首先定義誤差函數(shù)：

式中tpl為期望輸出，Opl為實(shí)際輸出，Ep為各模式誤差平方和。網(wǎng)絡(luò)訓(xùn)練的目的就是要使Ep最小。一般常用簡單梯度下降法進(jìn)行最小化，文獻(xiàn)中也有使用共軛梯度法的例子。

BP網(wǎng)絡(luò)學(xué)習(xí)步驟[3]：

步驟一：選定訓(xùn)練模式及合適的網(wǎng)絡(luò)結(jié)構(gòu)，并對輸入數(shù)據(jù)進(jìn)行預(yù)處理；

步驟二：將各權(quán)值及閾值置成小的隨機(jī)值；

步驟三：將訓(xùn)練模式依次加到網(wǎng)絡(luò)，再給出其期望輸出；

步驟四：按照式（2）計(jì)算出隱蔽層輸出，再計(jì)算出網(wǎng)絡(luò)的實(shí)際輸出；

步驟五：將實(shí)際輸出與期望輸出進(jìn)行比較，計(jì)算輸出誤差項(xiàng)：

對S函數(shù)而言：

所以

對隱含層的單元也計(jì)算出誤差項(xiàng)：

同樣，對S形函數(shù)：

步驟六：依次進(jìn)行權(quán)值調(diào)整：

上兩式中η是一個(gè)控制學(xué)習(xí)速度的正常數(shù)，即學(xué)習(xí)速率，也叫步長，通常小于1，學(xué)習(xí)速率取值過大，學(xué)習(xí)速度加快，但可能導(dǎo)致不收斂；取值太小，則迭代次數(shù)會明顯增加，會導(dǎo)致學(xué)習(xí)速度減慢；α也是一個(gè)正常數(shù)，即動(dòng)量因子(Momentum Factor)，增加該項(xiàng)可略微加快收斂速度，并使收斂過程中權(quán)值變化比較平滑。

步驟七：返回步驟四，繼續(xù)迭代，直到Ep最小為止；

步驟八：檢驗(yàn)網(wǎng)絡(luò)的預(yù)測能力。

學(xué)習(xí)完成后，固定當(dāng)前權(quán)值，就可以進(jìn)行預(yù)測了。

2.2 BP神經(jīng)網(wǎng)絡(luò)算法的實(shí)現(xiàn)

利用vc++6.0實(shí)現(xiàn)BP神經(jīng)網(wǎng)絡(luò)算法，主要包括兩個(gè)部分：神經(jīng)網(wǎng)絡(luò)訓(xùn)練、神經(jīng)網(wǎng)絡(luò)。

彈出網(wǎng)絡(luò)學(xué)習(xí)過程對話框如圖2(a)，需要確定的網(wǎng)絡(luò)學(xué)習(xí)參數(shù)有：輸入特征數(shù)、輸出特征數(shù)、樣本數(shù)量、學(xué)習(xí)數(shù)量、動(dòng)量速率、輸入文件名、最大總體誤差、最大個(gè)體誤差、最大迭代次數(shù)、隱含層數(shù)、任務(wù)名(在爆破優(yōu)化設(shè)計(jì)時(shí)需要)和是否生成誤差文件(因生成誤差文件要占用大部分CPU時(shí)間和內(nèi)存用來計(jì)算和保存誤差，為了快速完成神經(jīng)網(wǎng)絡(luò)訓(xùn)練，建議一般不選)。確定之后，彈出對話框如圖2(b)，依次確定每層隱含層的單元數(shù),學(xué)習(xí)完成后彈出對話框如圖2(c)。預(yù)測條件輸入對話框如圖2(d)，任務(wù)名稱輸入以前訓(xùn)練成功得到的如“RockBurst”，數(shù)據(jù)文件是保存預(yù)測樣本輸入特性的文件，輸出文件是保存樣本計(jì)算所得輸出特性的文件。

圖2 神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)與預(yù)測過程對話框

3 BP神經(jīng)網(wǎng)絡(luò)在武隆隧道巖爆預(yù)測中的應(yīng)用

圖3 三層BP網(wǎng)絡(luò)結(jié)構(gòu)

表1 國內(nèi)外典型的巖爆實(shí)例

表2 武隆隧道K5+780斷面在埋深900m下巖爆預(yù)測情況

3.1 預(yù)裂爆破BP神經(jīng)網(wǎng)絡(luò)優(yōu)化模型的確定

這里選用典型的三層前向反傳播網(wǎng)絡(luò)，網(wǎng)絡(luò)結(jié)構(gòu)見圖3。它采用前向三層反傳學(xué)習(xí)算法，一個(gè)最基本的BP網(wǎng)絡(luò)由輸入層、中間隱含層、輸出層三層構(gòu)成，各層單元的激發(fā)函數(shù)用S型函數(shù)，這種網(wǎng)絡(luò)具有高度非線性映射能力，是一種良好、穩(wěn)健的模式識別方法。

在綜合參考了前人研究成果及各種判別準(zhǔn)則[1][2][4][5]，本文采用σθ,σc,σt,σθ/σc，σc/σt和Wet6個(gè)指標(biāo)為輸入變量。σθ反映了巖爆發(fā)生的外因即地應(yīng)力特征；發(fā)生巖爆的巖石是致密的,影響巖爆的最主要巖性是單軸抗壓強(qiáng)度和單軸抗拉強(qiáng)度σc、σt；Wet反映了巖爆發(fā)生的內(nèi)因即巖石積聚彈性能的能力；綜合Russenes，Turchaninov，Hoek等人的經(jīng)驗(yàn)判據(jù)而引入σθ/σc；在陸家佑提出的巖爆判據(jù)中,當(dāng)σθ/σc滿足σθ/σc≥Ks時(shí)將產(chǎn)生巖爆，參數(shù)Ks的選取與巖石單軸抗拉強(qiáng)度與抗壓強(qiáng)度之比σt/σc有關(guān)，所以巖爆烈度與σc/σt有關(guān)，σc/σt較小時(shí),發(fā)生巖爆時(shí)烈度較大，σc/σt較大時(shí),烈度較小。如果將巖爆分為4級，輸出層取4個(gè)二值型神經(jīng)元，以表示巖爆分級，這里規(guī)定(1,0,0,0)表示強(qiáng)巖爆，(0,1，0,0)表示中級巖爆，(0,0，1，0)表示弱級巖爆，(0,0, 0,1)表示無巖爆。取隱含層的單元數(shù)為15。

3.2 BP神經(jīng)網(wǎng)絡(luò)的訓(xùn)練

訓(xùn)練樣本是根據(jù)國內(nèi)外典型的20個(gè)巖爆實(shí)例，具體數(shù)據(jù)如表1所示[1][2][4][5]。

η是一個(gè)控制學(xué)習(xí)速度的正常數(shù)，即學(xué)習(xí)速率，也叫步長，通常小于1，學(xué)習(xí)速率取值過大，學(xué)習(xí)速度加快，但可能導(dǎo)致不收斂；取值太小，則迭代次數(shù)會明顯增加，會導(dǎo)致學(xué)習(xí)速度減慢；α也是一個(gè)正常數(shù)，即動(dòng)量因子(Momentum Factor)，增加該項(xiàng)可略微加快收斂速度，并使收斂過程中權(quán)值變化比較平滑[3]。這里取η為0.9，取α為0.7，訓(xùn)練的最大系統(tǒng)誤差設(shè)為1X10-5，訓(xùn)練的最大個(gè)體誤差設(shè)為1X10-6，經(jīng)過55406次循環(huán)后訓(xùn)練結(jié)束，且系統(tǒng)誤差小于1X10-5。

4 利用BP神經(jīng)網(wǎng)絡(luò)預(yù)測武隆隧道巖爆

選取武隆隧道K5+780斷面是隧道埋深900m的情況，該斷面巖性是二疊系吳家坪組灰?guī)r，其力學(xué)參數(shù)和預(yù)測結(jié)果見表2。根據(jù)預(yù)測結(jié)果，該斷面可能發(fā)生較弱的巖爆。實(shí)際開挖到該斷面時(shí)，即出現(xiàn)輕微圍巖壁面爆裂，并日趨明顯，屬輕微巖爆，由此可見預(yù)測的結(jié)果是可靠的。

5 結(jié)論

（1）巖爆的發(fā)生受多種因素的影響。正確選擇影響巖爆的一些主要因素進(jìn)行分析,則可能得到預(yù)測巖爆的合理判據(jù)。本文在巖爆成因分析及實(shí)例計(jì)算表明的基礎(chǔ)上,選擇圍巖地下洞室最大的切向應(yīng)力、巖石單軸抗壓強(qiáng)度、巖石單軸抗拉強(qiáng)度、巖石彈性能量指數(shù)、圍巖最大切向應(yīng)力與巖石抗壓強(qiáng)度的比值σθ/σc和巖石抗壓強(qiáng)度與抗拉強(qiáng)度的比值σc/σt這六個(gè)指標(biāo)作為人工神經(jīng)網(wǎng)絡(luò)巖爆預(yù)測分析的主要因素是可行的。

（2）利用學(xué)習(xí)后的BP網(wǎng)絡(luò)對武隆隧道K5+780斷面進(jìn)行的巖爆預(yù)測分析結(jié)果是可靠的。

[1]白明洲,等.巖爆危險(xiǎn)性預(yù)測的神經(jīng)網(wǎng)絡(luò)模型及應(yīng)用研究[J].中國安全科學(xué)學(xué)報(bào),2002,12(4):65-69.

[2]王元漢,等.巖爆預(yù)測的模糊數(shù)學(xué)綜合評判方法[J].巖石力學(xué)與工程學(xué)報(bào),1998,17(5):493-501.

[3]王心飛.路塹邊坡開挖預(yù)裂爆破設(shè)計(jì)專家系統(tǒng)的研究及應(yīng)用[D].重慶大學(xué)資源與環(huán)境科學(xué)學(xué)院碩士學(xué)位論文,2003: 1-3.

[4]陳海軍,等.巖爆預(yù)測的人工神經(jīng)網(wǎng)絡(luò)模型[J].巖土工程學(xué)報(bào),2002,24(2):229-232.

[5]丁向東,等.巖爆分類的人工神經(jīng)網(wǎng)絡(luò)預(yù)測方法[J].河海大學(xué)學(xué)報(bào),2003,31(4):424-427.

責(zé)任編輯：余詠梅

Neural Network and Its Application to Predict Rock Burst

Rock burst is one of the main geological hazards occurred in the construction of Rock Tunnel during the excavation process in regions with high geo-stress.Its occurrence caused great threat to the production safety of the tunnel construction enterprises.Prediction of the possibility and degree of rock bursts is a major problem to be solved for design,construction and safe production of this type of tunnels.This paper,according to the conditions of the tunnel rock burst,based on rock burst in tunnel and underground works at home and abroad,and using artificial neural network method,established an evaluation model for rock-burst risk forecasting and use VC++6.0 to implement the evaluation model.The application of the prediction has achieved great success in the rock burst in Wulong Tunnel.

BP neural network;Wulong Tunnel;rock burst prediction

U455.6

A

1671-9107（2011）07-0033-04

10.3969／j.issn.1671-9107.2011.07.033

2011-05-30

倪富來（1976-），男，工程師，主要從事土木工程、高速公路施工工作。