彭瑞華

1 概述

在渝湛國道主干線貴陽—遵義高速公路扎佐—南白段改擴(kuò)建工程黃草壩滑坡體的穩(wěn)定性評(píng)價(jià)中，需要現(xiàn)場取樣做相關(guān)土工實(shí)驗(yàn)。其中，包括含水量、天然重度、干燥重度、比重、空隙比、飽和度、液限、塑限、塑限指數(shù)、液限指數(shù)、壓縮系數(shù)、壓縮模量、粘聚力和內(nèi)摩擦角等指標(biāo)的測定[1]。

建立合適的BP神經(jīng)網(wǎng)絡(luò)預(yù)測模型，通過一些易得到的常規(guī)物理指標(biāo)預(yù)測粘聚力和內(nèi)摩擦角這兩個(gè)關(guān)鍵實(shí)驗(yàn)指標(biāo)，一方面可以對(duì)實(shí)驗(yàn)的數(shù)據(jù)進(jìn)行校核，并對(duì)與預(yù)測值偏差較大的實(shí)驗(yàn)值予以剔除，可以很大程度的排除由于實(shí)驗(yàn)人員的操作對(duì)實(shí)驗(yàn)數(shù)據(jù)引起的偶然誤差;另一方面，在工程重要度低的情況下可以通過預(yù)測少做一部分剪切實(shí)驗(yàn)。

2 BP神經(jīng)網(wǎng)絡(luò)原理[2，3]

BP(Back Propagation)神經(jīng)網(wǎng)絡(luò)是目前人工神經(jīng)網(wǎng)絡(luò)中研究最深入、應(yīng)用最為廣泛的一種模型，其結(jié)構(gòu)如圖 1所示。

圖1中，X，Z是網(wǎng)絡(luò)的輸入、輸出向量，每一神經(jīng)元用一個(gè)節(jié)點(diǎn)表示，網(wǎng)絡(luò)由輸入層、隱層和輸出層節(jié)點(diǎn)組成，隱層可以是一層，也可以是多層(圖1中是單隱層)，前層至后層節(jié)點(diǎn)之間通過權(quán)系數(shù)相連接。BP神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)時(shí)，輸入信號(hào)從輸入層經(jīng)隱層傳向輸出層(正向傳播)，若輸出層得到期望的輸出，則學(xué)習(xí)算法結(jié)束;否則，轉(zhuǎn)至反向傳播。反向傳播就是將誤差信號(hào)(樣本輸出與網(wǎng)絡(luò)輸出之差)按原連接通路反向計(jì)算，由梯度下降法調(diào)整各層神經(jīng)元的權(quán)值，使誤差信號(hào)減小。

3 工程實(shí)例

3.1 樣本數(shù)據(jù)選取

本文收集了渝湛國道主干線貴陽—遵義高速公路扎佐—南白段改擴(kuò)建工程黃草壩滑坡體具有代表性的土工試驗(yàn)數(shù)據(jù)共27組，前 20組為訓(xùn)練樣本，后7組為預(yù)測樣本。由于未考慮關(guān)于巖土類別差異的類別修正系數(shù)，故選取樣本均為細(xì)粒土和半固結(jié)泥巖石。

在樣本特征因子的選擇中，共有取樣深度、含水量、天然重度、干燥重度、比重、空隙比、飽和度、液限、塑限、塑限指數(shù)、液限指數(shù)、壓縮系數(shù)、壓縮模量 13個(gè)常規(guī)物理指標(biāo)，通過組成相關(guān)分析，選取其中取樣深度、含水量、天然重度、比重、空隙比、飽和度、液限、塑限、壓縮系數(shù)、壓縮模量 10個(gè)指標(biāo)為特征因子，作為輸入向量;同時(shí)，選取粘聚力和內(nèi)摩擦角為預(yù)測指標(biāo)，作為輸出向量(見表 1)。

表1 樣本的巖土名稱及其編號(hào)

通過建立適當(dāng)?shù)腂P神經(jīng)網(wǎng)絡(luò)，對(duì)樣本進(jìn)行訓(xùn)練，得到一個(gè)基于BP神經(jīng)網(wǎng)絡(luò)的預(yù)測模型。用該模型預(yù)測 7組樣本的粘聚力和內(nèi)摩擦角兩個(gè)力學(xué)強(qiáng)度指標(biāo)，并與土工直剪實(shí)驗(yàn)得到的粘聚力和內(nèi)摩擦角進(jìn)行比較(見表2)。

表2 樣本物理指標(biāo)對(duì)應(yīng)因變量名稱

3.2 BP神經(jīng)網(wǎng)絡(luò)的建立

本文選取DPS數(shù)據(jù)處理系統(tǒng)的BP神經(jīng)網(wǎng)絡(luò)子系統(tǒng)，通過不斷調(diào)試，最終選取的BP神經(jīng)網(wǎng)絡(luò)模型是:輸入層為10個(gè)輸入節(jié)點(diǎn)，輸出層為 2個(gè)輸出節(jié)點(diǎn)，2層隱含層，第一隱含層 10個(gè)節(jié)點(diǎn)，第二隱含層10個(gè)節(jié)點(diǎn)，傳遞函數(shù)和訓(xùn)練函數(shù)采用DPS內(nèi)置默認(rèn)的函數(shù)。

3.3 BP神經(jīng)網(wǎng)絡(luò)的訓(xùn)練

本神經(jīng)網(wǎng)絡(luò)訓(xùn)練設(shè)定:

最大訓(xùn)練次數(shù)3 000步;

最小訓(xùn)練速率為0.1;

允許誤差為0.000 1;

動(dòng)態(tài)參數(shù)0.6;

SIGMOID參數(shù)為0.9;

訓(xùn)練函數(shù)采取DPS系統(tǒng)內(nèi)置函數(shù);

對(duì)初始數(shù)據(jù)采取標(biāo)準(zhǔn)轉(zhuǎn)換，訓(xùn)練過程允許誤差為

0.000 166 39。

3.4 預(yù)測結(jié)果及誤差分析

通過將輸入向量輸入訓(xùn)練好的 BP神經(jīng)網(wǎng)絡(luò)，得出 7組樣本的內(nèi)摩擦角和粘聚力的預(yù)測值(見表 3)，同時(shí)與實(shí)驗(yàn)值進(jìn)行比較，基本上取得了較好的預(yù)期效果。只是最后一組誤差較大，其原因可能是改組試樣的巖土性質(zhì)差異較大造成的，從而影響了平均誤差(見圖 2，圖 3及表 4～表 6)。同時(shí)，可以看到內(nèi)摩擦角的預(yù)測誤差較粘聚力的大，這反映了內(nèi)摩擦角的影響因素較復(fù)雜，需要更進(jìn)一步的分析。

表3 BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練樣本

表4 BP神經(jīng)網(wǎng)絡(luò)預(yù)測樣本

表5 粘聚力的預(yù)測值及其誤差

表6 內(nèi)摩擦角的預(yù)測值及其誤差

4 結(jié)語

通過以上分析，BP神經(jīng)網(wǎng)絡(luò)在實(shí)驗(yàn)誤差要求范圍內(nèi)很好的預(yù)測粘聚力和內(nèi)摩擦角，這樣可以利用 BP神經(jīng)網(wǎng)絡(luò)對(duì)實(shí)驗(yàn)的數(shù)據(jù)進(jìn)行預(yù)測，并對(duì)與預(yù)測值偏差較大的實(shí)驗(yàn)值予以剔除，可以很大程度的排除由于實(shí)驗(yàn)人員的操作對(duì)實(shí)驗(yàn)數(shù)據(jù)引起的偶然誤差，同時(shí)也可以在工程重要程度不高的情況下，代替一部分剪切實(shí)驗(yàn)。

由于時(shí)間和知識(shí)的有限，沒有將表征細(xì)粒土與全風(fēng)化泥巖的類別差異的特征因子考慮進(jìn)去，如果選取適當(dāng)?shù)南禂?shù)量化該特征因子并作為輸入變量的一個(gè)特征分量，預(yù)測結(jié)果將更加精確。

[1] GB/T 50123-1999，土工試驗(yàn)方法標(biāo)準(zhǔn)[S].

[2] 胡守仁.神經(jīng)網(wǎng)絡(luò)導(dǎo)論[M].長沙:國防科技大學(xué)出版社，1993:15-28.

[3] 郭 晶，楊章玉.MATLAB 6.5輔助神經(jīng)網(wǎng)絡(luò)分析與設(shè)計(jì)[M].北京:電子工業(yè)出版社，2003:6-8.