基于模糊神經網絡的高寒路基縱向裂縫危險度綜合評價

葉 敏，王鐵權

(長安大學 公路養護裝備國家工程實驗室，陜西 西安 710064)

?

基于模糊神經網絡的高寒路基縱向裂縫危險度綜合評價

葉 敏，王鐵權

(長安大學 公路養護裝備國家工程實驗室，陜西 西安 710064)

以高寒地區自然環境因素、設計因素、凍土因素三類致災因子指標作為輸入變量，根據模糊推理規則構建路基縱向裂縫評價的非線性映射關系，通過對輸入知識的預處理和輸出知識的后處理，將模糊邏輯推理融入神經網絡的非線性計算中，建立了綜合評價模型。以青藏公路典型路段K3+020段為例，基于11類致災因子評價該路段縱向裂縫的危險度為2級。結果表明：高寒路基縱向裂縫危險度模糊神經網絡綜合評價模型可用于評價縱向裂縫的發育程度，經濟性好、實用性強。

道路工程；路基工程；縱向裂縫；致災因子；模糊神經網絡

0 引 言

根據《國家公路網規劃(2013年—2030年)》的長期規劃，到2030年末，國家公路網新增高速公路約3.3萬km，高寒地區占其中的80%～90%；國網普通公路新增11萬km，高寒地區占其中的60%～70%。我國的公路建設重心已由中東部沿海轉移到高寒地區，因高寒氣候條件海拔高、低溫時間長、溫差大，高寒路基常出現早期開裂等病害[1]。高速公路作為國民經濟的命脈，過早破損影響了道路服務能力，縮短了使用年限，阻礙了交通運輸綜合效益的發揮。公路養護和維修任務迫在眉睫，而裂縫發育程度評價結果會直接影響養護決策和資金投入，因此，建立客觀實用的高寒路基縱向裂縫危險度評價模型十分重要[2-3]。目前道路病害綜合評價方法和模型主要有回歸分析法、系統分析評價法和灰色理論模型等[4-6]。朱東鵬等[4]利用回歸分析方法提出了凍土路基縱向裂縫評價標準分為輕度、中度和重度；任貴波[5]利用可拓學物元理論建立模型，通過系統分析評價法分別對各縱縫破損等級和抽樣路段縱縫總體破損狀況進行評價；黨奇志[6]采用灰色理論對舊瀝青混凝土路面的路用性能進行了評價。但是，現有研究結果表明：回歸分析模型不足以準確表征裂縫實測指標與專家評價結果之間的復雜聯系，系統分析法中人為因素影響太大，灰色理論法模型依賴于評價指標的經驗范圍。已有的評價方法擺脫不了評價過程中的隨機性以及評價專家主觀上的不確定性和認識上的模糊性；另外，不能利用已有的比較成功的裂縫發育程度評價案例信息，專家的評價經驗和知識得不到積累。高寒地區路基縱向裂縫危險度評價尚處于探索階段[7]。筆者綜合模糊邏輯與神經網絡的優點，基于縱向裂縫發育的致災因子，建立高寒路基縱向裂縫模糊神經網絡綜合評價模型來分析縱向裂縫發育的危險程度，并以青藏公路典型路段K3+020段為例分析其危險度。

1 路基縱向裂縫致災因子分析

青藏公路全長1 937 km，其中550 km穿越自然環境惡劣、地質條件復雜的高原多年凍土地區，全線平均海拔在4 000 m以上，如圖1(a)。海拔高、溫度低、太陽輻射強、自然條件惡劣等致使路基路面病害相對突出，其中路基縱向裂縫與不均勻變形是最為典型的路基病害。縱向裂縫根據裂縫寬度和深度等可分為輕度、中度和重度等不同等級，如圖1(b)和圖1(c)。根據資料收集，歸納出誘發青藏公路路基縱向裂縫的致災因子大致可劃為3大類：自然環境因素、凍土因素和設計因素[8]。

圖1 青藏公路海拔及裂縫病害

高寒路基縱向裂縫評價體系如圖2，主要評價指標包括自然環境因素、凍土因素和設計因素3大類，具體細分為地溫、降水、太陽輻射等11個致災因子[9-14]。

圖2 縱向裂縫的評價體系

2 高寒路基縱向裂縫危險度分析

2.1 建立因素集及評價體系

因素集U是指以影響縱向裂縫發育的各致災因子為元素所組成的集合，即：

U={U1,U2,…,Ui}；Ui={Ui1,Ui2,Ui3,…,Uin}

(1)

式中：Ui指因素集U中某類致災因子。

2.2 確定致災因子權重

為了反映致災因子對縱向裂縫的影響程度，對各致災因子賦予一定的權重，組成權向量。參照層次分析法中的標度，對評價體系中同一層各因子兩兩比較，得到判斷矩陣。對判斷矩陣做一致性檢驗，計算該矩陣的最大特征值，結合平均隨機一致性指標，根據式(2)計算隨機一致性比率，當時一致性檢驗通過，否則重新確定判斷矩陣：

(2)

(3)

依次對評價體系各層采用層次分析法，得到各層的權向量Ai，然后得到致災因子最終權向量A。

2.3 建立評價集

對路基縱向裂縫評價時將可能得出的評價結果組成評價集，即：

(4)

評價集中各評價結果參照等級劃分表1。

表1 危險度等級劃分

(續表1)

危險度指數等級說明3級0．2～0．4路基出現少數裂縫，裂縫分布稀疏，較發育，有危害路基穩定的發展趨勢4級0～0．2路基無裂縫，或者裂縫數量很少且不發育，對路基基本無影響

2.4 單因素模糊評價

基于前面影響縱向裂縫形成的因素，以致災因子單獨對路基縱縫危險度進行評價如表2，確定其對評價集中各元素的權重，得到單因素評價向量，將所有單因素評價向量按行組成評判矩陣。

表2 單因素評價標準

2.5 模糊綜合評價

通過上述評判矩陣P、權向量A，結合列向量H可得模糊綜合評價式如式(5)：

B=A·P=(bij)

(5)

M=B·H

(6)

將B歸一化后帶入式(6)，將所得值M參照表1中的危險度指數，確定縱向裂縫的危險度等級。

3 路段縱縫危險度評價分析

以青藏公路K3+020段為例，采用模糊神經網絡綜合評價法分析該段路基縱向裂縫的危險度[15]。該路段位于五道梁地區，海拔4 600 m以上，高寒低氧，氣候惡劣。該地區年平均氣溫為-5.6 ℃，氣溫變化圖型為單峰型，如圖3(a)。年平均降雨量隨季節差異性很大，1—5月降雨量極少，而6—9月則是降雨集中期，如圖3(b)，年均降水量為40 mm左右，這種季節性降雨導致道路兩側出現季節性積水。該路段太陽輻射量大，5—7月太陽總輻射量最大，最大輻射量為24 MJ/(m2·d)。該路段多年凍土連續，有局部融區，多年凍土厚度達40～60 m，季節融化深度最深達1.5～2.8 m左右。實際勘察得知，該路段天然地表10 m以下就有純厚冰層，土路肩3 m以下出現厚達1 m的純冰層，凍土現象表現出冰錐、凍脹丘等，凍土穩定性較差。該路段路面由瀝青面層、水泥穩定基層組成，路基高3 m，頂面寬10 m，填土為碎石土。

圖3 青藏公路典型路段氣候條件

神經網絡訓練過程中通過不斷調整權重和偏置節點間的關系，以獲得所期望的輸入輸出。在隱層和輸出層中的每個神經元都有其各自的權重值和傳遞函數。一般來說，一個神經網絡的運行能力取決于它的體系結構和其參數的設置。尋找最佳神經網絡的過程中一個最主要的問題就是，確保隱層最優化和用試錯法確定其神經元。根據各層所使用的函數的類型，確定各輸入值的權重和人工神經網絡的算法。在BP神經網絡結構中，在輸入輸出的基礎上，將訓練的實例輸入網絡。將網絡的輸出值與相應的實測值進行比較。其次，在網絡輸出值與實際值的比較中發現錯誤。然后，通過反向傳播，由輸出修改網絡輸入的權重。這是一種減少網絡錯誤的方法。當實際值與對應的網絡收斂完成后，訓練過程結束。總的可用數據是12個，如表3，其中80%用于訓練，10%用于神經網絡模擬能力的評價，10%用于評估訓練效果并防止過度訓練或使訓練在模擬效果最佳時停止。用均方差(MSE)來確定最佳神經網絡，其中誤差最小的為最佳神經網絡。網絡訓練過程如圖4。在圖4中，水平軸表示的是訓練周期(階段)，垂直軸表示的是均方差(MSE)。訓練應在第13個周期停止，這是訓練效果的最佳點。驗證數據的相關系數R=0.982 77，測試數據的相關系數為0.998 18。

圖4 神經網絡的訓練過程

表3 縱向裂縫現場資料

根據K3+020路段所處的自然環境和路基參數，經過神經網絡訓練確定圖2評價體系中自然環境因素、凍土因素、工程因素的權重a1，a2，a3，有：

構造自然環境因素下各致災因子的判斷矩陣N1：

(7)

該矩陣λmax=4.031 0，4階矩陣取RI=0.9，根據式(2)有：

CR=0.011<0.10

(8)

A=(0.048 1，0.126 7，0.089 6，0.235 6，0.109 4，0.021 7，0.068 9，0.176 7，0.071 5，0.036 9，0.014 9)

(9)

根據表1、表2，確定各致災因子對評價集元素的權重，將所有單因素評價向量組成評判矩陣P如式(10)：

(10)

將評判矩陣P和權向量A帶入式(5)得：

4 結 論

1)引入模糊理論和神經網絡技術，提出基于模糊神經網絡的縱向裂縫危險度評價方法，通過網絡來完成評價的推理過程，克服了傳統評價方法評價結果較為粗糙、評價過程較為依賴專家經驗、評價速度慢等缺點。

2)將誘發青藏公路路基縱向裂縫形成的致災因子劃分為自然環境因素、凍土因素、設計因素三大類。

3)以青藏公路K3+020路段為例進行評價，評價結果為該路段縱向裂縫危險度為2級，與專家現場評判結果一致，得出所建模型可客觀、快速和精確地分析多年凍土地區路基縱向裂縫危險度的結論。

[1] 楊錦鳳.水熱變化對青藏公路路基縱向裂縫的影響研究[D].西安:長安大學,2013. Yang Jinfeng.Study on the Changes of Moisture and Heat Impact on the Longitudinal Cracks of Subgrade in Qinghai-Tibet Highway [D].Xi’an:Chang’an University,2013.

[2] Eker R,Aydin A.Assessment of forest road conditions in terms of landslide susceptibility:a case study in Yiglca lca Forest Directorate (Turkey) [J].Turkish Journal of Agriculture and Forestry,2014,38(2):281-290.

[3] Zou Jian,Roque R,Chun S,et al.Long-term field evaluation and analysis of top-down cracking for Superpave projects [J].Road Materials and Pavement Design,2013,14(4):831-846.

[4] 朱東鵬,賈志裕,章金釗.青藏公路路基縱向裂縫發育規律與整治措施研究[J].公路,2009(9):328-329. Zhu Dongpeng,Jia Zhiyu,Zhang Jinzhao.Study on formation regularity and rectification measures of the Qinghai-Tibet highway longitudinal cracks [J].Highway,2009(9):328-329.

[5] 任貴波.季凍區瀝青路面縱向裂縫破損狀況評價與成因分析[D].哈爾濱:東北林業大學,2011. Ren Guibo.Evaluation on the Damage Condition and Analysis of the Formation Cause of Longitudinal Cracks on Bituminous Pavement in Seasonal Frozen Region [D].Harbin:Northeast Forestry University,2011.

[6] 黨奇志．基于灰色理論的舊瀝青混凝土路面使用性能綜合評價方法[J].公路,2011(11) :207-209. Dang Qizhi.Based on the theory of gray system of old asphalt concrete pavement performance evaluation method [J].Highway,2011(11) :207-209.

[7] 劉艷,康海貴,孫敏．基于遺傳算法的模糊優選神經網絡路面性能評價模型[J]．大連理工大學學報,2010,50(1):117-122. Liu Yan,Kang Haigui,Sun Min.Genetic algorithm-based fuzzy optimization neural network model for pavement performance evaluation [J].Journal of Dalian University of Technology,2010,50(1):117-122.

[8] 裴建中,竇明建,胡長順,等.多年凍土地區路基縱向裂縫影響因素[J].長安大學學報:自然科學版,2007,27(6):16-18. Pei Jianzhong,Dou Mingjian,Hu Changshun,et al.Influence factors of embankment longitudinal cracks in permafrost regions [J].Journal of Chang’an University:Natural Science Edition,2007,27(6):16-18.

[9] 代寒松,盛煜,陳繼.青藏公路路基縱向裂縫病害及其發生規律[J].公路,2006(1):86-87. Dai Hansong,Sheng Yu,Chen Ji.Longitudinal roadbed cracks in Qinghai-Tibet highway and its forming regularity [J].Highway,2006(1):86-87.

[10] 毛雪松,凌思德,張正波,等.路側積水對青藏公路路基強度的影響分析[J].武漢理工大學學報:交通科學與工程版,2013,37(3):457-458. Mao Xuesong,Ling Side,Zhang Zhengbo,et al.Analysis the influence of hydrops along the subgrade to Qinghai-Tibet highway subgrade strength [J].Journal of Wuhan University of Technology:Transportation Science & Engineering,2013,37(3):457-458.

[11] 趙平,董淑海,許兆義,等.加筋土抑制多年凍土區路基工程裂縫的效果評價[J].北京交通大學學報,2011,35(4):14-16. Zhao Ping,Dong Shuhai,Xu Zhaoyi,et al.Effectiveness evaluation for reinforced geogrids to inhibiting embankment cracks in permafrost area [J].Journal of Beijing Jiaotong University,2011,35(4):14-16.

[12] 李金明,周育名,原喜忠.氣溫升高對多年凍土地區路基穩定性影響[J].重慶交通大學學報:自然科學版,2011,30(2):264-265. Li Jinming,Zhou Yuming,Yuan Xizhong.Impact of climate warming on subgrade stabilization in permafrost areas [J].Journal of Chongqing Jiaotong University:Natural Science,2011,30(2):264-265.

[13] 溫智,盛煜,馬巍,等.國道214線多年凍土地區公路路基典型縱向裂縫監測和模擬研究[C]∥第三屆全國巖土與工程學術大會.成都:四川科學技術出版社,2009:50-52. Wen Zhi,Sheng Yu,Ma Wei,et al.Typical subgrade longitudinal cracks monitoring and simulation study of state road 214 in permafrost regions [C]∥The 3rdAcademic Conference of National Geotechnical and Engineering.Chengdu:Sichuan Science & Technology Press,2009:50-52.

[14] 竇明健,胡長順,何子文,等.青藏公路多年凍土段路基病害分布規律[J].冰川凍土,2002,24(6):780-783. Dou Mingjian,Hu Changshun,He Ziwen,et al.Distributing regularities of subgrade diseases in permafrost section of the Qinghai-Tibet highway [J].Journal of Glaciology and Geocryology,2002,24(6):780-783.

[15] 丑亞玲,蔣先剛,朱彥鵬.高溫多年凍土區路基縱向裂縫發育的熱-力耦合分析[J].蘭州理工大學學報,2014,40(1):124-128. Chou Yaling,Jiang Xiangang,Zhu Yanpeng.Thermo-mechanical coupled analysis on the embankment longitudinal cracks in warm permafrost regions [J].Journal of Lanzhou University of Technology,2014,40(1):124-128.

Comprehensive Risk Evaluation on the Longitudinal Cracks of Permafrost Subgrade Based on Fuzzy Neural Network

Ye Min, Wang Tiequan

(National Engineering Laboratory for Highway Maintenance Equipment, Chang’an University, Xi’an 710064, Shaanxi, China)

The natural environment factor, the design factor and the frost soil factor for the permafrost subgrade crack damage evaluation were selected as the input vector. According to the fuzzy rule, the nonlinear mapping relation of the longitudinal crack evaluation of subgrade was established. Through the combination of input pretreatment and output post treatment, the fuzzy rule was embedded into the nonlinear calculation of the neural network. It evaluated the longitudinal cracks risk degree in the section of K3+020 of Qinghai-Tibet Highway and the disk degree was defined as second grade based on 11 kinds of damage factors. The results show that the model can quickly, accurately and objectively evaluate the subgrade longitudinal cracks risk degree in permafrost regions.

road engineering; subgrade; longitudinal cracks; hazard factor; fuzzy neural network

10.3969/j.issn.1674-0696.2015.04.12

2014-09-01；

2014-11-20

交通運輸部科技項目(201231879210)

葉 敏(1978—)，男，吉林磐石人，副教授，博士，主要從事模糊神經網絡等智能評價方法的研究。E-mail：mingye@chd.edu.cn。

TU433

A

1674-0696(2015)04-068-05