深基坑施工變形神經(jīng)網(wǎng)絡(luò)預測分析

陳炳志 白 云

(1.山東科技大學審計處，山東 泰安 271019； 2.山東科技大學土木建筑學院，山東 青島 266510)

深基坑施工變形神經(jīng)網(wǎng)絡(luò)預測分析

陳炳志1白 云2

(1.山東科技大學審計處，山東 泰安 271019； 2.山東科技大學土木建筑學院，山東 青島 266510)

簡述了深基坑監(jiān)測的目的與基本要求，通過分析深基坑工程施工變形神經(jīng)網(wǎng)絡(luò)預測的原理和特征，建立變形預測模型，并應(yīng)用工程實例分析，為深基坑的安全開挖提供參考借鑒。

深基坑，變形，預測模型，神經(jīng)網(wǎng)絡(luò)

隨著大規(guī)模的城市建設(shè)，高層建筑層出不窮，建筑物基坑開挖的深度與規(guī)模也不斷增大，由開挖導致的基坑變形對周邊建筑物與管線等造成的破壞也屢屢發(fā)生，嚴重時甚至會使鄰近建筑傾斜、倒塌，帶來巨大的經(jīng)濟損失甚至人員傷亡。監(jiān)測模型的建立是深基坑施工變形監(jiān)測的核心，是基坑安全開挖的重要保證。本文系統(tǒng)介紹了深基坑施工變形神經(jīng)網(wǎng)絡(luò)預測分析的方法，結(jié)合工程實例介紹了其應(yīng)用手段，對確保深基坑的安全開挖具有重要指導意義。

1 深基坑監(jiān)測

1.1 深基坑監(jiān)測的目的

深基坑監(jiān)測的主要目的，一是隨時了解基坑在開挖時的受力狀態(tài)和變形情況，指導現(xiàn)場施工，保證基坑的安全開挖和支護；二是確保基坑鄰近建筑物的安全；三是用于反演分析，積累工程經(jīng)驗，完善計算公式，進一步提升設(shè)計的合理性。

1.2 深基坑監(jiān)測的基本要求

深基坑的開挖監(jiān)測一定要有計劃地進行，并且要根據(jù)開挖現(xiàn)場出現(xiàn)的各類情形隨時不斷修正和完善，保證監(jiān)測的準確性，通常來說應(yīng)滿足以下幾點要求：1)監(jiān)測數(shù)據(jù)準確可靠，體現(xiàn)原始性和真實性；2)盡量減小支護過程中使用的預埋構(gòu)件對監(jiān)測的影響；3)各項監(jiān)測數(shù)據(jù)之間應(yīng)進行相互檢驗，確保準確性和全面性；4)監(jiān)測完成后及時撰寫監(jiān)測報告。

2 深基坑施工變形神經(jīng)網(wǎng)絡(luò)預測分析

2.1 BP神經(jīng)網(wǎng)絡(luò)基本原理

BP(Back Propagation)網(wǎng)絡(luò)由Rumelhart和McCelland于1986年首次提出，是通過誤差逆?zhèn)鞑ビ嬎惴椒ㄟM行訓練的多層前饋網(wǎng)絡(luò)，是當前世界上使用最多的神經(jīng)網(wǎng)絡(luò)模型之一。

2.2 神經(jīng)網(wǎng)絡(luò)的基本特征

神經(jīng)元是組成人工網(wǎng)絡(luò)最基本的構(gòu)件，多種神經(jīng)元相互合作，便構(gòu)成信息處理網(wǎng)絡(luò)系統(tǒng)。人工網(wǎng)絡(luò)神經(jīng)圖的特征主要有以下幾點：

1)每個節(jié)點都有相應(yīng)的狀態(tài)變量xi；2)在節(jié)點i和節(jié)點j之間具有特定連接權(quán)系數(shù)wji；3)每個節(jié)點對應(yīng)一個閾值；4)每個節(jié)點存在一個變換函數(shù)fj(xi,wji,θj),i≠j。

2.3 BP神經(jīng)網(wǎng)絡(luò)算法

BP神經(jīng)網(wǎng)絡(luò)算法可歸結(jié)為兩個方面：信號的向前傳播以及誤差的反向傳播。即實際輸出的計算方向為由輸入到輸出，權(quán)值及閾值的修正方向則反之，如圖1所示。

1)信號的向前傳播過程。

隱含層第i個節(jié)點的輸入neti：

(1)

隱含層第i個節(jié)點的輸出yi：

(2)

輸出層第k個節(jié)點的輸入netk：

(3)

輸出層第k個節(jié)點的輸出ok：

(4)

2)誤差的反向傳播過程。

誤差的反向傳播是指先從輸出層的神經(jīng)元開始，計算每一層的輸出誤差，最后利用梯度下降法調(diào)整每一層具有的權(quán)值和閾值，使網(wǎng)絡(luò)輸出值在修改后更加接近期望值。

單個樣本P的二次型誤差準則函數(shù)為Ep：

(5)

系統(tǒng)對P個訓練樣本的總誤差準則函數(shù)為：

(6)

根據(jù)誤差梯度下降法依次修正輸出層權(quán)值的修正量Δwki、輸出層閾值的修正量Δak、隱含層權(quán)值的修正量Δwij、隱含層閾值的修正量Δθi。

(7)

輸出層權(quán)值調(diào)整公式：

(8)

輸出層閾值調(diào)整公式：

(9)

隱含層權(quán)值調(diào)整公式：

(10)

隱含層閾值調(diào)整公式：

(11)

又因為：

(12)

(13)

(14)

(15)

(16)

整理得：

(17)

(18)

(19)

(20)

上述算法過程見圖2。

2.4 BP神經(jīng)網(wǎng)絡(luò)在深基坑施工變形預測中的應(yīng)用

目前，在深基坑變形監(jiān)測中應(yīng)用到的神經(jīng)網(wǎng)絡(luò)方法主要有以下兩種：

1)參考相似的深基坑展開預測工作：根據(jù)本工程的相關(guān)地質(zhì)條件、環(huán)境、設(shè)計資料，找尋相似工程條件的模板，以此為基礎(chǔ)確定神經(jīng)網(wǎng)絡(luò)預測模型，選擇合適的網(wǎng)絡(luò)模擬方法進行預測。2)依靠監(jiān)測所得數(shù)據(jù)進行預測：深基坑的變化情況受外部因素影響很大，神經(jīng)網(wǎng)絡(luò)時間序列模型可在實際監(jiān)測數(shù)據(jù)的基礎(chǔ)上建立，準確預測基坑變形的長時間發(fā)展狀況。

BP神經(jīng)網(wǎng)絡(luò)的時間序列變形預測基本流程為：

1)變形監(jiān)測：確立監(jiān)測方法，測量監(jiān)測目標隨時間的變化情況；2)建立神經(jīng)網(wǎng)絡(luò)：神經(jīng)網(wǎng)絡(luò)的輸入節(jié)點數(shù)為測點數(shù)m乘以每個測點所具有的監(jiān)測數(shù)目n-1，即m×(n-1)；3)訓練網(wǎng)絡(luò)：將每個測點的前(n-1)個值作為輸入值，第n個測值為目標值訓練網(wǎng)絡(luò)，如圖3所示。

3 工程實例

滕州九州清晏小區(qū)地下人防工程處于府前中路北部，東臨善國中路，向北15 m是小區(qū)的地下車庫基坑。該工程地下開挖深度為7.70 m～11.60 m，呈多邊形，基坑周長約730 m，面積22 000 m2。基坑支護方式為：上方4 m范圍采用土釘加固，下方7 m范圍利用樁錨支護，高壓旋噴混凝土墻作為止水帷幕，基坑的安全等級為一級。

表1 水平位移測點數(shù)據(jù)

表2 沉降位移測點數(shù)據(jù)

表3 訓練樣本

3.1 支護方案

該地區(qū)基坑開挖深度最大處可達11.6 m，淺部位置達7.7 m，基坑的南部、東部和北部使用4.0 m的土釘支護，下方樁錨加固，基坑周邊的止水帷幕使用高壓旋噴注漿而成。西部位置修建臨時公路，地面以下1.2 m使用樁錨支護，上部1.2 m處的支護結(jié)構(gòu)采用砌筑磚墻。支護方案如圖4所示。

3.2 監(jiān)測方法

以SP8處的測點監(jiān)測數(shù)據(jù)為樣本輸入值，建立變形預測神經(jīng)網(wǎng)絡(luò)時間序列模型，得出的監(jiān)測數(shù)據(jù)如表1和表2所示，測點的水平和垂直位移變形如圖5和圖6所示。

以監(jiān)測水平位移和土體強度參數(shù)(內(nèi)摩擦力、容重、內(nèi)摩擦角)、降水深度、開挖深度為輸入變量建立訓練樣本，如表3所示。

訓練結(jié)果及誤差百分比如表4所示。

表4 訓練結(jié)果與誤差

4 結(jié)語

1)BP神經(jīng)網(wǎng)絡(luò)預測分析需要大量的監(jiān)測數(shù)據(jù)和工作量，對于基坑變形的長期預測準確性較高。2)網(wǎng)絡(luò)的學習預報是神經(jīng)網(wǎng)絡(luò)進行變形預測的核心，訓練次數(shù)越多，預報的精度越高，工作效率則越低。3)BP神經(jīng)網(wǎng)絡(luò)具有很強的容錯性和泛化能力，可實現(xiàn)深基坑后期開挖變形的非線性預測。

[1] 柳建國,程良奎.北京地區(qū)基坑支護技術(shù)的發(fā)展與工程實踐[J].巖土力學,2009,30(4):1013-1017.

[2] 楊光華.深基坑支護結(jié)構(gòu)的實用計算方法及其應(yīng)用[J].巖土力學,2004,25(12)：1885-1896.

[3] 周瑞忠,羅詞兵.Sigmoid函數(shù)在神經(jīng)網(wǎng)絡(luò)、熱傳導和土壓力計算中的應(yīng)用[J].福州大學學報,2001,29(3):79-83.

[4] 肖桂元,劉立龍.動態(tài)模糊神經(jīng)網(wǎng)絡(luò)在變形預測中的應(yīng)用[J].桂林理工大學學報,2011,31(3):395-398.

[5] 賈 備,鄔 亮.基于灰色BP神經(jīng)網(wǎng)絡(luò)組合模型的基坑變形預測研究[J].隧道建設(shè),2009,29(3):280-284.

[6] 李水兵,李培現(xiàn).基于BP神經(jīng)網(wǎng)絡(luò)的深基坑變形預測[J].測繪信息與工程,2011,36(5):41- 43.

[7] 陳炳志.深基坑施工變形預測與穩(wěn)定性控制研究[D].青島：山東科技大學，2012.

[8] 趙海燕.基于冪函數(shù)形式的基坑變形預測[J].同濟大學學報，2003,31(8):899-901.

The analysis of construction deformation neural network prediction of deep foundation

Chen Bingzhi1Bai Yun2

(1.AuditOfficeofShandongUniversityofScienceandTechnology,Tai’an271019,China;2.CollegeofCivilEngineeringandArchitecture,SUST,Qingdao266510,China)

The objective and basic requirements of the monitoring of deep foundation pit is described. Analysis of deep excavation deformation theory and neural network forecasting features and the establishment of deformation prediction model applied to the actual project, gives reference for the safety excavation of deep foundation pit.

deep foundation pit, deformation, prediction model, neural network

2014-12-17

陳炳志(1973- )，男，博士，工程師

1009-6825(2015)06-0076-03

TU463

A