人工神經(jīng)網(wǎng)絡(luò)在基坑支護(hù)方案選擇中的應(yīng)用

隨著我國經(jīng)濟和城市建設(shè)的發(fā)展，大量深基坑工程不斷涌現(xiàn)。基坑支護(hù)結(jié)構(gòu)的正確設(shè)計和施工不但直接決定了工程的安全性，對基坑工程的造價和進(jìn)度也有很大的影響。然而，影響支護(hù)結(jié)構(gòu)方案選擇的因素有很多，在工程實踐中，基坑支護(hù)方案的選擇往往取決于工程技術(shù)人員的經(jīng)驗，帶有很大的人為因素和不確定性。

隨著計算機和人工智能的發(fā)展，人工神經(jīng)網(wǎng)絡(luò)(ANN)為解決這個問題開辟了一條新的途徑。人工神經(jīng)網(wǎng)絡(luò)是由大量類似于神經(jīng)元的處理單元相互連接而成的非線形復(fù)雜網(wǎng)絡(luò)系統(tǒng)，可以模擬人的直觀思維方式。它可以通過對大量實例的學(xué)習(xí)，在內(nèi)部的自適應(yīng)過程中不斷修改權(quán)值分布，最終將網(wǎng)絡(luò)穩(wěn)定在一定的狀態(tài)下。知識庫就體現(xiàn)在神經(jīng)元之間的權(quán)值分布上。由于神經(jīng)元之間具有一定的冗余性，允許輸入模式偏離學(xué)習(xí)樣本，其計算行為具有良好的容錯和抗噪能力，這點類似于人在缺少某些信息的情況下仍能對事物作出正確判斷。

1 人工神經(jīng)網(wǎng)絡(luò)的建立

在工程實踐中最常用的人工神經(jīng)網(wǎng)絡(luò)是B-P網(wǎng)絡(luò)(Back-Propagation)，該網(wǎng)絡(luò)使用了誤差反向傳播算法，可根據(jù)給出樣本X→Y的映射關(guān)系，自學(xué)習(xí)并推導(dǎo)出其函數(shù)關(guān)系式。該算法所采用的學(xué)習(xí)過程由正向傳播和反向傳播兩部分組成。在正向傳播過程中，輸入模式從輸入層經(jīng)隱含層逐層處理并傳向輸出層，如果在輸出層得不到期望的輸出，則轉(zhuǎn)入反向傳播。此時，誤差信號從輸出層向輸入層傳播并沿途調(diào)整各層間連接權(quán)值以及各層神經(jīng)元的閾值，以使誤差信號不斷減小，該算法的實質(zhì)是求誤差函數(shù)的極小值，它通過多個學(xué)習(xí)樣本的反復(fù)訓(xùn)練并采用梯度下降法，使得權(quán)值沿誤差函數(shù)的負(fù)梯度方向改變，并收斂于最小。

1．1 B-P網(wǎng)絡(luò)的結(jié)構(gòu)

由映射神經(jīng)網(wǎng)絡(luò)存在定理可知，三層神經(jīng)網(wǎng)絡(luò)能以任意精度逼近任意復(fù)雜的非線形映射關(guān)系，其結(jié)構(gòu)見圖1。

圖1 三層人工神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)圖

1．2 學(xué)習(xí)過程

設(shè)輸入層各結(jié)點輸入的數(shù)據(jù)為xj，則隱含層各結(jié)點得到的輸出為:

輸出層各結(jié)點的輸出為:

其中，Wij，Tli分別為連接輸入層和隱含層以及連接隱含層和輸出層之間的權(quán)值;θi，θl分別為隱含層和輸出層各結(jié)點的閾值;f為活躍函數(shù)，要求連續(xù)可微，常用的是Sigmoid線形方程:f(x)=

對于輸出層各結(jié)點的輸出值，比較其與期望值tl的誤差，如果各結(jié)點誤差之和大于誤差控制系數(shù)ε，則進(jìn)行誤差反傳遞過程，否則輸入下一樣本進(jìn)行計算。

誤差反傳遞的過程就是使網(wǎng)絡(luò)的權(quán)值和閾值根據(jù)最小二乘法的思想，即Δ規(guī)則進(jìn)行改變。對于輸出結(jié)點，誤差信號為:

權(quán)值修正為:

閾值的修正為:

其中，η為學(xué)習(xí)速率參數(shù)。隱含層結(jié)點的誤差信號應(yīng)由與之相連的所有結(jié)點的誤差來決定，誤差信號:δi'=yi(1－yi)∑δlTli，權(quán)值修正:Wij(k+1)=Wij(k)+ η'δi'xj，閾值修正:θi(k+1)= θi(k)+η'δi'。至此，網(wǎng)絡(luò)中的所有權(quán)值和閾值都調(diào)整了一遍。

對所有輸入的樣本，如果網(wǎng)絡(luò)計算得到的輸出值與期望值之間的誤差都滿足誤差控制的要求，則結(jié)束學(xué)習(xí)過程。

1．3 B-P網(wǎng)絡(luò)參數(shù)的選擇

根據(jù)試算，隱含層結(jié)點的數(shù)目=2×輸入層結(jié)點數(shù)+輸出層結(jié)點數(shù)，可以取得較快的學(xué)習(xí)速度。誤差控制系數(shù)ε取0．01可以取得比較好的效果。

為加快學(xué)習(xí)速度，采用修改的Δ規(guī)則，即在原有的權(quán)值修正公式中包含一個趨勢項，即:

同樣，在閾值修正公式中也包含一個趨勢項，即:

其中，η為學(xué)習(xí)速率;α為松弛系數(shù)。η取較大的值，可以加快學(xué)習(xí)的速率，但也會使權(quán)值產(chǎn)生較大的變化從而可能導(dǎo)致權(quán)值的振蕩。為此，引入松弛系數(shù)α對權(quán)值修正進(jìn)行微調(diào)，對網(wǎng)絡(luò)產(chǎn)生穩(wěn)定作用。經(jīng)過大量的試算，認(rèn)為η取5．0，α取0．75可以取得較好的學(xué)習(xí)效果。

2 人工神經(jīng)網(wǎng)絡(luò)在基坑支護(hù)結(jié)構(gòu)方案選擇中的應(yīng)用

根據(jù)對現(xiàn)場情況了解的深入程度，基坑支護(hù)結(jié)構(gòu)方案的選擇可以分為幾個層次。首先是方案的初選。這時只需對基坑的深度、施工現(xiàn)場的土質(zhì)情況、環(huán)境保護(hù)對基坑的要求及對支護(hù)結(jié)構(gòu)施工坑邊作業(yè)面的要求、工期等有個定性的描述就可以了。在對人工神經(jīng)網(wǎng)絡(luò)輸入時，這些定性的描述需轉(zhuǎn)化為數(shù)值。將定性的描述分為7個等級{無/不需，少/差/小，較少/較差/較小，一般/酌情，較多/較好/較大，多/好/大，有/需要}，輸入時對應(yīng)的賦予{0，0．2，0．4，0．5，0．6，0．8，1}7 個數(shù)值。對于輸出，只有{選擇，不選擇}兩種情況，轉(zhuǎn)化為數(shù)值是{1，0}。

基坑支護(hù)結(jié)構(gòu)方案選擇的第二個層次是對初選方案的進(jìn)一步篩選，在這一階段需要了解更多更詳細(xì)的知識。對基坑深度、基坑邊作業(yè)面距鄰近建筑的最小距離、土層參數(shù)、地下水情況都需要給出定量的數(shù)據(jù)。在建立人工神經(jīng)網(wǎng)絡(luò)知識庫的時候需搜集大量的工程實例，并將這些工程的施工參數(shù)和選擇的方案輸入到神經(jīng)網(wǎng)絡(luò)中進(jìn)行學(xué)習(xí)。輸入的學(xué)習(xí)樣本越多，在使用階段給出的選擇也就越精確。也就是讓人工神經(jīng)網(wǎng)絡(luò)不斷學(xué)習(xí)新的知識，不斷優(yōu)化它的知識庫，這里體現(xiàn)了人工神經(jīng)網(wǎng)絡(luò)相對于產(chǎn)生式規(guī)則專家系統(tǒng)的優(yōu)越性。

第二個層次相當(dāng)于是基于大量的工程經(jīng)驗對基坑的支護(hù)方案做出選擇，在這一步可以把方案范圍縮小到2種～3種，然后進(jìn)行第三個層次的技術(shù)經(jīng)濟比較。在這個階段同樣可以應(yīng)用人工神經(jīng)網(wǎng)絡(luò)，只要對學(xué)習(xí)樣本進(jìn)行一定的處理。對大量的工程實例先按不同的支護(hù)方案進(jìn)行分類，然后將同一類的支護(hù)方案中各基坑的深度、長寬、支護(hù)結(jié)構(gòu)插入基坑以下深度、土層參數(shù)等作為學(xué)習(xí)樣本的輸入數(shù)據(jù)輸入網(wǎng)絡(luò)，將基坑的變形情況、工期、支護(hù)結(jié)構(gòu)的單位造價等作為學(xué)習(xí)樣本的教師數(shù)據(jù)輸入網(wǎng)絡(luò)，用B-P算法進(jìn)行學(xué)習(xí)，建立技術(shù)經(jīng)濟知識庫，之后就可以利用人工神經(jīng)網(wǎng)絡(luò)進(jìn)行技術(shù)經(jīng)濟的比較了。用戶只要根據(jù)前面篩選的結(jié)果將各方案的基坑和支護(hù)結(jié)構(gòu)參數(shù)輸入到網(wǎng)絡(luò)中，就可以得出相應(yīng)的變形和造價的預(yù)測。然后根據(jù)用戶對不同方面的側(cè)重權(quán)衡各方面的關(guān)系做出最終選擇。

3 結(jié)語

本文通過對人工神經(jīng)網(wǎng)絡(luò)的研究，提出了應(yīng)用人工神經(jīng)網(wǎng)絡(luò)進(jìn)行基坑支護(hù)方案選擇的方法，解決了專家系統(tǒng)獲取知識困難的問題。根據(jù)對現(xiàn)場條件了解的深入情況，提出了三個層次的基坑支護(hù)方案選擇，在這三個層次中，人工神經(jīng)網(wǎng)絡(luò)分別完成了根據(jù)定性指標(biāo)分類、根據(jù)定量指標(biāo)分類以及根據(jù)定量指標(biāo)預(yù)測的三大功能。由于其基礎(chǔ)是建立在大量的工程實例和工程經(jīng)驗之上的，與實際情況更加貼切，因而更具有實踐意義。

［1］胡守仁，余少波，蔡 葵．神經(jīng)網(wǎng)絡(luò)導(dǎo)論［M］．北京:國防科技大學(xué)出版社，1993．

［2］胡守仁，胡德文，時 春．神經(jīng)網(wǎng)絡(luò)應(yīng)用技術(shù)［M］．北京:國防科技大學(xué)出版社，1993．

［3］羅四維．人工神經(jīng)網(wǎng)絡(luò)建造［M］．北京:中國鐵道出版社，1998．

［4］陳文偉．智能決策技術(shù)［M］．北京:電子工業(yè)出版社，1998．

［5］Simon Haykin，Neural Networks-A Comprehensive Foundation［M］．北京:清華大學(xué)出版社，2001．

［6］趙志縉，應(yīng)惠清．簡明深基坑工程設(shè)計施工手冊［M］．北京:中國建筑工業(yè)出版社，2000．

［7］朱浮聲．基坑支擋結(jié)構(gòu)設(shè)計專家系統(tǒng)的開發(fā)與研制［J］．東北大學(xué)學(xué)報(自然科學(xué)版)，2000，21(3):298-300．

［8］王 東．運用模糊綜合評判法選擇基坑支護(hù)方案的分析方法［J］．住宅科技，1997(9):28-31．

［9］高沛峻．BP網(wǎng)絡(luò)在預(yù)測水泥土重力式支護(hù)結(jié)構(gòu)水平變形中的應(yīng)用［J］．重慶建筑大學(xué)學(xué)報，2000，22(3):69-73．

［10］劉建生．基于神經(jīng)網(wǎng)絡(luò)的施工方案群體決策支持系統(tǒng)研究和開發(fā)［J］．長沙交通學(xué)院學(xué)報，2000，16(1):78-83．