人工神經(jīng)網(wǎng)絡(luò)邊坡穩(wěn)定性高級(jí)工程師期刊論文

　　摘要：人工神經(jīng)網(wǎng)絡(luò)最大的能力就在于可以模擬人大腦的思維，能在完全不知道數(shù)據(jù)分布規(guī)律的情況下處理各種參數(shù)間的復(fù)雜非線性映射關(guān)系。本次研究正是利用神經(jīng)網(wǎng)絡(luò)的這一巨大優(yōu)勢(shì)，對(duì)邊坡的穩(wěn)定性進(jìn)行分析和預(yù)測(cè)。將已經(jīng)通過驗(yàn)證的一些邊坡影響因子參數(shù)輸入神經(jīng)網(wǎng)絡(luò)模型，作為輸入單元，再經(jīng)過隱含層和輸出單元的訓(xùn)練，最終得到預(yù)測(cè)結(jié)果。預(yù)測(cè)結(jié)果與實(shí)際工程結(jié)果非常接近，為邊坡穩(wěn)定性評(píng)價(jià)提供了一種新的方法。

　　關(guān)鍵詞：BP神經(jīng)網(wǎng)絡(luò),邊坡穩(wěn)定性

　　0 引言

　　隨著計(jì)算機(jī)技術(shù)進(jìn)步，神經(jīng)網(wǎng)絡(luò)技術(shù)進(jìn)入人們視線。復(fù)雜的非線性關(guān)系是邊坡穩(wěn)定性分析中最大的障礙，而神經(jīng)網(wǎng)絡(luò)則具備良好的處理上述關(guān)系能力，所以，本次研究使用BP神經(jīng)網(wǎng)絡(luò)方法對(duì)邊坡穩(wěn)定性進(jìn)行預(yù)測(cè)。

　　1 BP神經(jīng)網(wǎng)絡(luò)對(duì)邊坡穩(wěn)定性的分析

　　一個(gè)具有n個(gè)輸入單元，2n+1個(gè)中間單元和m個(gè)輸出單元的三層網(wǎng)絡(luò)能精準(zhǔn)表達(dá)出任何映射。所以，本文采用該模式進(jìn)行預(yù)測(cè)。

　　1.1 對(duì)輸入單元的確定

　　土質(zhì)邊坡穩(wěn)定性受多因素影響。這里取土體重度γ，坡體高度h，坡角β，孔隙水壓力比，內(nèi)聚力c、內(nèi)摩擦角φ作為邊坡的主要影響因素。

　　由上可知，本次神經(jīng)網(wǎng)絡(luò)，輸入層6個(gè)神經(jīng)元，隱含層13個(gè)神經(jīng)元，輸出層1個(gè)神經(jīng)元。

　　1.2 BP神經(jīng)網(wǎng)絡(luò)的訓(xùn)練

　　通過35個(gè)算例的影響因子數(shù)據(jù)和安全系數(shù)，讓神經(jīng)網(wǎng)絡(luò)形成一套特有的映射關(guān)系。

　　1.2.1網(wǎng)絡(luò)訓(xùn)練樣本參數(shù)的歸一化

　　因?yàn)闃颖敬嬖诓町悾瑢?duì)數(shù)據(jù)進(jìn)行歸一化是很必要的。根據(jù)本次網(wǎng)絡(luò)特點(diǎn)，將樣本的數(shù)據(jù)處理到0.1~0.9之間，公式 即可。

　　1.2.2 網(wǎng)絡(luò)初始權(quán)值

　　本次選用 為初始權(quán)值的數(shù)量級(jí)，其中s是隱含層的神經(jīng)元數(shù)，r是輸入數(shù)。

　　1.2.3自適應(yīng)學(xué)習(xí)速率選擇

　　在網(wǎng)絡(luò)訓(xùn)練的過程當(dāng)中，如果訓(xùn)練速率是定值，那就不能保證每個(gè)訓(xùn)練階段都是合理的，所以使用動(dòng)態(tài)、可調(diào)節(jié)的速率來訓(xùn)練網(wǎng)絡(luò)將會(huì)非常必要。

　　這里E是平方誤差，R是學(xué)習(xí)速率。誤差小于上次誤差時(shí)，學(xué)習(xí)速率將放大1.05倍;誤差大于上次誤差的1.03倍時(shí)，學(xué)習(xí)速率將縮小到原來的0.6倍，其他情況不變。

　　由上可知，這里選用6-13-1的網(wǎng)絡(luò)結(jié)構(gòu)，樣本總數(shù)是35，初始學(xué)習(xí)速率是0.7，遞增因子是1.05，遞減因子是0.6，誤差速率為1.04，目標(biāo)誤差是0.01。因子取值情況見表1所示。

　　網(wǎng)絡(luò)的節(jié)點(diǎn)作用函數(shù)使用非線性可微連續(xù)Sigmoid型函數(shù)： 。

　　1.3 網(wǎng)絡(luò)對(duì)邊坡的預(yù)測(cè)

　　網(wǎng)絡(luò)訓(xùn)練完成后，拿出5組新邊坡輸入訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)中進(jìn)行模擬，從而檢驗(yàn)該方法的合理性，選取出來的邊坡都是具有極強(qiáng)代表性的，具體數(shù)據(jù)見表2所示。

　　2 結(jié)論

　　表3中的安全系數(shù)1是神經(jīng)網(wǎng)絡(luò)的預(yù)測(cè)結(jié)果，安全系數(shù)2是工程上測(cè)定出的安全系數(shù)，從表中的數(shù)據(jù)可以看出，本次神經(jīng)網(wǎng)絡(luò)的預(yù)測(cè)結(jié)果和實(shí)際值相差很小，具有一定的工程意義。

　　(1)借助大量通過驗(yàn)證的邊坡數(shù)據(jù)，對(duì)BP神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，形成了一套同類邊坡的映射機(jī)理。

　　(2)利用訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)，對(duì)一些典型邊坡進(jìn)行穩(wěn)定性預(yù)測(cè)，得到的結(jié)論與實(shí)際結(jié)果相差不大。

　　(3)通過分析可知，本次研究為邊坡穩(wěn)定性分析提供了一種更為簡單而易行的方法。

　　參考文獻(xiàn)(Reference)

　　[1]戴自航，盧才金.邊坡失穩(wěn)機(jī)理力學(xué)解釋[J].巖土工程學(xué)報(bào)，2006,28(10):1193-1197.

　　[2]張彩雙，李俊杰，胡軍.有限元強(qiáng)度折減法的邊坡穩(wěn)定分析[J].中國農(nóng)村水利水電，2006(5):72-74.

　　[3]莫永強(qiáng)，丁德馨，肖猛.改進(jìn)BP神經(jīng)網(wǎng)絡(luò)在邊坡穩(wěn)定性評(píng)價(jià)中的應(yīng)用[J].礦冶，2006，15(2):10-12.

　　[4] J.Bojorque G.DE Roeck J.Maertens.Comments on ‘Two-dimensional slop stability analysis by limit equilibrium and strength reduction methods’ by Y.MCheng, T.Lansivaara and W.B.Wei [J].Computer and Geotechnics， 2007 ，34:305-308.

　　[5]邱道宏，陳劍平，闕金聲. 基于粗糙集和人工神經(jīng)網(wǎng)絡(luò)的洞室?guī)r體質(zhì)量評(píng)價(jià)[J].吉林大學(xué)學(xué)報(bào)(地球科學(xué)版)，2008，38 (1):87-91.