劉剛，徐華榮

(1.南京東大巖土工程技術(shù)有限公司鎮(zhèn)江分公司，江蘇 鎮(zhèn)江　212000；　2.鎮(zhèn)江市勘察測(cè)繪研究院，江蘇 鎮(zhèn)江　212000)

?

基于概率神經(jīng)網(wǎng)絡(luò)對(duì)單樁豎向承載力預(yù)測(cè)方法的研究

劉剛1*，徐華榮2

(1.南京東大巖土工程技術(shù)有限公司鎮(zhèn)江分公司，江蘇 鎮(zhèn)江212000；2.鎮(zhèn)江市勘察測(cè)繪研究院，江蘇 鎮(zhèn)江212000)

摘要：針對(duì)層狀地基，基于鎮(zhèn)江地區(qū)CPTU測(cè)試數(shù)據(jù)，運(yùn)用概率神經(jīng)網(wǎng)絡(luò)(PNN)算法，建立了單樁豎向極限承載力的預(yù)測(cè)模型，編制了相應(yīng)的MATLAB程序進(jìn)行預(yù)測(cè)分析?？紤]了靜力觸探延樁長(zhǎng)的全部CPTU測(cè)試數(shù)據(jù)，運(yùn)用錐端阻力(qt)、錐側(cè)摩阻力(fs)、孔隙水壓力(u2)三個(gè)物理力學(xué)指標(biāo)，結(jié)合室內(nèi)土工試驗(yàn)，對(duì)樁長(zhǎng)范圍內(nèi)的地基土進(jìn)行分類(lèi)，然后對(duì)單樁的極限承載力進(jìn)行預(yù)測(cè)，將得到的結(jié)果與樁基靜載試驗(yàn)的結(jié)果進(jìn)行比較，發(fā)現(xiàn)運(yùn)用基于CPTU測(cè)試數(shù)據(jù)的概率神經(jīng)網(wǎng)絡(luò)算法模型，可以對(duì)單樁的豎向抗壓極限承載力進(jìn)行預(yù)測(cè)，精度滿(mǎn)足實(shí)踐要求。

關(guān)鍵詞：概率神經(jīng)網(wǎng)絡(luò)；CPTU；原位測(cè)試；單樁承載力

1概述

隨著現(xiàn)代建筑行業(yè)的發(fā)展，一些新工藝，新技術(shù)不斷應(yīng)用到實(shí)際工程當(dāng)中。這也對(duì)建筑物的受力、變形控制精度提出了更高的要求。對(duì)于建筑物受力可以通過(guò)調(diào)整上部荷載進(jìn)行控制，而對(duì)變形控制尤其是建筑物的沉降和傾斜需要對(duì)地基基礎(chǔ)的承載力進(jìn)行較準(zhǔn)確的計(jì)算。對(duì)于高層或高聳建筑結(jié)構(gòu)而言，淺基礎(chǔ)顯然不能滿(mǎn)足承載力要求，這就需要深基礎(chǔ)—樁基來(lái)保證建筑物沉降變形。

樁基礎(chǔ)是現(xiàn)代建筑中應(yīng)用較為廣泛的一種基礎(chǔ)形式。在荷載作用下，單樁受力模型的特點(diǎn)和樁周土層的性質(zhì)有很大關(guān)系，因此能否正確劃分地基土層對(duì)單樁承載力的預(yù)測(cè)至關(guān)重要。長(zhǎng)期以來(lái)，在研究巖土參數(shù)性質(zhì)方面，許多學(xué)者提出了自己的理論計(jì)算模型，如數(shù)值模擬[1]、波動(dòng)方程[2]、經(jīng)驗(yàn)公式等，并給出了解析解或半解析解，這些理論解建立在大量假設(shè)的基礎(chǔ)上，如各向同性、無(wú)限大彈性體、均勻連續(xù)介質(zhì)等，因此具有很大的不確定性，主要表現(xiàn)在對(duì)巖土參數(shù)和邊界條件的定義上。正因?yàn)槿绱耍煌膰?guó)內(nèi)外學(xué)者得到的解也不盡相同。

孔壓靜力觸探(CPTU)[3，4]是一種較為先進(jìn)的原位測(cè)試技術(shù)，由于其精確、快速、經(jīng)濟(jì)的特點(diǎn)，在工程地質(zhì)勘察，復(fù)合地基檢測(cè)、樁基承載力預(yù)測(cè)方面被廣泛應(yīng)用。較靜力觸探(CPT)方法，孔壓靜力觸探技術(shù)除了得到錐尖阻力和錐測(cè)摩阻力，還考慮了觸探過(guò)程中錐尖附近的孔隙水壓力?？紫端畨毫?duì)沙土中的摩擦樁影響不大，但會(huì)大大降低黏性土中單樁的摩阻力。

本文基于CPTU測(cè)試數(shù)據(jù)，運(yùn)用概率神經(jīng)網(wǎng)絡(luò)(PNN)算法[5]，建立了單樁豎向極限承載力的預(yù)測(cè)模型，并編制了相應(yīng)的MATLAB程序，用錐尖阻力、錐側(cè)摩阻力、孔隙水壓力三個(gè)因素為訓(xùn)練指標(biāo)對(duì)單樁的承載力進(jìn)行了預(yù)測(cè)，并與靜載試驗(yàn)的結(jié)果進(jìn)行了比較，結(jié)果表明：本文提出的方法可以有效預(yù)測(cè)單樁的承載力，精度滿(mǎn)足工程實(shí)踐要求。

2概率神經(jīng)網(wǎng)絡(luò)算法簡(jiǎn)介

概率神經(jīng)網(wǎng)絡(luò)[4]是一種可用于模式分類(lèi)的神經(jīng)網(wǎng)絡(luò)，其實(shí)質(zhì)是基于貝葉斯最小風(fēng)險(xiǎn)準(zhǔn)則發(fā)展而來(lái)的一種并行算法，因其結(jié)構(gòu)簡(jiǎn)單、訓(xùn)練簡(jiǎn)潔且具有較強(qiáng)的容錯(cuò)性，被廣泛應(yīng)用于解決分類(lèi)問(wèn)題。其優(yōu)點(diǎn)在于用線(xiàn)性學(xué)習(xí)算法來(lái)完成非線(xiàn)性學(xué)習(xí)算法所做的工作，同時(shí)又能保持非線(xiàn)性算法的高精度，這一優(yōu)點(diǎn)非常適宜對(duì)巖土這種非線(xiàn)性介質(zhì)的分類(lèi)，并且無(wú)論分類(lèi)問(wèn)題多么復(fù)雜，只要有足夠多的訓(xùn)練數(shù)據(jù)，就可以保證獲得貝葉斯準(zhǔn)則下的最優(yōu)解。具體運(yùn)算步驟如下：

第一步：歸一化訓(xùn)練樣本矩陣：

(1)

該矩陣的訓(xùn)練樣本有m個(gè)，每個(gè)樣本維數(shù)為n；

(2)

BT為歸一化系數(shù)；

Cm×n=Bm×1[11…1]1×n·Xm×n

(3)

(4)

第三步：計(jì)算模式距離

該距離是指樣本矩陣和學(xué)習(xí)矩陣中相應(yīng)元素之間的距離。假設(shè)將由P個(gè)n維向量組成的矩陣稱(chēng)為待識(shí)別樣本矩陣，則經(jīng)歸一化后，需要待識(shí)別的輸入樣本矩陣為：

(5)

式(5)表示待分類(lèi)樣本有P個(gè)，每一個(gè)樣本維數(shù)為n；

第四步：計(jì)算歐氏距離：就是需要識(shí)別的歸一化的樣本向量di，與每一個(gè)歸一化后的訓(xùn)練樣本Cj的歐氏距離。

(6)

歸一化的訓(xùn)練樣本Ci，i=1，2…，m；

歸一化的待分類(lèi)樣本dj，j=1，2，…，p；

Eij：表示第i個(gè)待分類(lèi)樣本與第j個(gè)訓(xùn)練樣本的歐氏距離。

第五步：模式層高斯函數(shù)的神經(jīng)元被激活。學(xué)習(xí)樣本與待識(shí)別樣本被歸一化后，通常取標(biāo)準(zhǔn)差為0.1的高斯型函數(shù)。激活后得到初始概率矩陣：

(7)

第六步：假設(shè)樣本有m個(gè)，一共可以分為C類(lèi)，并且各類(lèi)樣本的數(shù)目相同，設(shè)為K，則可以在網(wǎng)絡(luò)的求和層求得各個(gè)樣本屬于各類(lèi)的初始概率和：

(8)

第七步：計(jì)算概率：

即第i個(gè)樣本屬于第j類(lèi)的概率：

(9)

以上步驟通過(guò)MATLAB編制相應(yīng)的程序，來(lái)完成對(duì)土層的分類(lèi)，進(jìn)而對(duì)單樁的承載力進(jìn)行預(yù)測(cè)。

3工程實(shí)例應(yīng)用

鎮(zhèn)江市某政府大樓地下主要為粉質(zhì)黏土，部分土層夾有粉砂及少量粉土，考慮到樁端持力層為黏性土，

故樁型設(shè)計(jì)為摩擦樁。巖土工程勘察時(shí)，運(yùn)用了CPTU原位測(cè)試方法和室內(nèi)土工試驗(yàn)方法。本文選取了該場(chǎng)地附近處于同一地質(zhì)條件下的建筑物地質(zhì)勘察報(bào)告中的CPTU測(cè)試數(shù)據(jù)，這些建筑均已經(jīng)建成并投入使用5年以上，且沒(méi)出現(xiàn)影響結(jié)構(gòu)正常使用的沉降變形等情況。本文以這些建筑物的部分CPTU測(cè)試數(shù)據(jù)作為樣本，對(duì)所建的PNN預(yù)測(cè)模型進(jìn)行訓(xùn)練，如圖1所示。

通過(guò)將本地區(qū)CPTU原位測(cè)試數(shù)據(jù)與土工試驗(yàn)結(jié)果進(jìn)行比較，對(duì)錐尖阻力、錐側(cè)摩阻力、孔隙水壓力三個(gè)指標(biāo)綜合分析，運(yùn)用PNN神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型，得到了本地區(qū)土的分類(lèi)圖(如圖2所示)，然后將該政府大樓工程地質(zhì)勘察時(shí)的CPTU測(cè)試數(shù)據(jù)作為輸入?yún)?shù)，對(duì)本場(chǎng)地的土層進(jìn)行分類(lèi)，運(yùn)用分類(lèi)的結(jié)果，對(duì)樁基的荷載-沉降進(jìn)行預(yù)測(cè)，然后將預(yù)測(cè)的結(jié)果與本場(chǎng)地的靜載試驗(yàn)結(jié)果相比較。

本場(chǎng)地主樓和裙樓采用分離式基礎(chǔ)，裙樓采用樁徑 300mm，樁長(zhǎng) 18m～ 25m不等的預(yù)制管樁，預(yù)測(cè)的樁基承載力和靜載試驗(yàn)結(jié)果的比較如圖3～圖5所示：

通過(guò)圖3～圖5的比較不難發(fā)現(xiàn)，在樁徑不變的情況下，樁長(zhǎng)越長(zhǎng)，預(yù)測(cè)值與靜載試驗(yàn)的結(jié)果越接近，離散程度越小。圖6為不同樁長(zhǎng)預(yù)測(cè)的承載力與實(shí)測(cè)值統(tǒng)計(jì)結(jié)果，更能充分地反映這一現(xiàn)象。

4結(jié)論

通過(guò)工程實(shí)例分析，驗(yàn)證了基于CPTU測(cè)試數(shù)據(jù)的概率神經(jīng)網(wǎng)絡(luò)算法在預(yù)測(cè)樁基承載力方面的可靠性。

(1)運(yùn)用概率神經(jīng)網(wǎng)絡(luò)算法，基于CPTU測(cè)試數(shù)據(jù)可以有效地預(yù)測(cè)樁基的承載力，預(yù)測(cè)精度滿(mǎn)足工程需要。

(2)樁長(zhǎng)越長(zhǎng)，預(yù)測(cè)值和實(shí)測(cè)值越接近，這是因?yàn)镃PTU測(cè)試過(guò)程中，在上層土尤其是填土中進(jìn)行觸探時(shí)，數(shù)據(jù)的離散程度較大，曲線(xiàn)變化不穩(wěn)定，使得對(duì)整根樁的承載力影響較大，而隨著觸探深度的增加，這種影響越來(lái)越小。

(3)運(yùn)用CPTU測(cè)試數(shù)據(jù)對(duì)樁基承載力進(jìn)行預(yù)測(cè)時(shí)，預(yù)測(cè)的承載力要比實(shí)測(cè)值偏小，原因在于靜力觸探過(guò)程非?？?，孔隙水壓力來(lái)不及消散，使得錐側(cè)摩阻力值很小。而靜載試驗(yàn)是在樁齡達(dá)到28天以后進(jìn)行的，而且過(guò)程較慢，孔隙水壓力值會(huì)相對(duì)較小，這種影響在黏性土中較為顯著。

(4)經(jīng)過(guò)實(shí)例分析發(fā)現(xiàn)，運(yùn)用訓(xùn)練好的PNN網(wǎng)絡(luò)模型對(duì)樁基的承載力預(yù)測(cè)精度范圍在±20%之間，在巖土工程領(lǐng)域這個(gè)誤差是允許存在的。因此本文提出的方法值得在工程實(shí)踐中推廣應(yīng)用。

參考文獻(xiàn)

[1]施景勛，葉國(guó)琛. 勻質(zhì)地基中樁土間力傳遞的邊界元模擬[J]. 巖土工程學(xué)報(bào)，1994，16(6)：64～72.

[2]王奎華. 基樁波動(dòng)方程達(dá)朗貝爾解法精度研究[J]. 巖土工程學(xué)報(bào)，1999，21(5)：617～620.

[3]蔡國(guó)軍，劉松玉，童立元等. 孔壓靜力觸探(CPTU)測(cè)試成果影響因素及原始數(shù)據(jù)修正方法探討[J]. 工程地質(zhì)學(xué)報(bào)，2006.

[4]蔡國(guó)軍，劉松玉. 基于CPTU測(cè)試的樁基承載力預(yù)測(cè)新方法[J]. 巖土工程學(xué)報(bào)，2010 32(S2)： 479～482.

[5]張良均，曹晶，蔣世忠. 神經(jīng)網(wǎng)絡(luò)實(shí)用教程[M]. 北京：機(jī)械工業(yè)出版社，2008.

(1.NanJing Southeast Geotechnical Engineering Technology Limited Company-Zhenjiang Department，Zhenjiang 212000，China；2.Zhenjiang Urban Investigation and Surveying Institute，Zhenjiang 212000，China)

Research on Vertical Bearing Capacity of Single Pile Based on Probabilistic Neural Network

Liu Gang1，Xu Huarong2

Key words：probabilistic neural network；CPTU；In-situ test；pile bearing capacity

Abstract：Based on the CPTU test data，with matlab programmer of the probabilistic neural network (PNN) arithmetic，a prediction model of single pile vertical bearing capacity in layer soil foundation is built，which considered the total CPTU test data along the pile. In this paper，the soil around the pile foundation is classified with the three physical and mechanical indexes of soil(qt、fs、u2) combined with the indoor soil test. Then the classification result is used to predict the bearing capacity of single pile. Compared with the static load testing，it obviously finds that the PNN model based on CPTU test data can precisely predict the bearing capacity of single pile.

文章編號(hào)：1672-8262(2016)03-161-04

中圖分類(lèi)號(hào)：TU473.1

文獻(xiàn)標(biāo)識(shí)碼：B

*收稿日期：2016—03—02

作者簡(jiǎn)介：劉剛(1988—)，男，碩士，工程師，主要從事巖土勘察、基坑監(jiān)測(cè)、樁基檢測(cè)的現(xiàn)場(chǎng)技術(shù)工作以及部分報(bào)告的編寫(xiě)。