基于BP神經網絡的地下管廊施工質量控制*

張 軍，王 帥，張玉麗

(遼寧科技大學 土木工程學院，遼寧 鞍山 114000)

隨著城市人口的增多及土地資源的減少，人們對基礎設施建設的需求也在與日俱增[1]，城市地下管廊的出現恰好趕在了這樣的一個十字路口，解決了不少基礎建設的難題.近幾年來，政府部門越來越重視地下管線的開發及利用，從國內普通管線近幾年發生的事故可以看出，很多傳統管線是由自身遭受土壤腐蝕、外力損壞或第三方施工造成的，而且大部分的施工破壞主要是施工方在未查明管線范圍的情況下施工所致.由此可見，過去的管線模式已不再適合社會的發展需要，城市地下管廊的出現為各類分離式的管線維修困難和管理混亂的現象提供了一個很好的解決辦法，彌補了市場的空缺，順應了時代的發展，也很好地解決了市政管線傳統管理模式存在的弊端[2].

在地下管廊盾構施工過程中，雖然盾構施工對地面沉降的控制較好，并且具有安全、質量及進度可控等優點，但是在隧道開挖施工過程中也不可避免地產生施工質量問題，尤其是隧道開挖，其施工具有很大的隱蔽性.因此，強調質量控制的重要性十分重要，綜合管廊的質量問題就是其生命問題，對地下管線盾構施工過程中引起的質量問題進行研究是十分必要的[3].

1 質量控制及BP神經網絡理論

1.1 建筑工程質量影響因素

為了保證工程的質量，需要制定合理、全面的質量控制措施，在工程施工過程中對每一個環節進行及時的管理與有效的控制.通過大量工程實例，本文把影響工程施工質量的主要因素歸結為：人(Man)、材料(Material)、施工機械(Machine)、施工方法(Method)、環境(Environment)這五大方面，即“4M1E”[4-5].

1)人的因素.人是直接參與工程建設的實施者，是影響施工質量的第一要素，在施工質量控制過程中占據主導地位.因此，對施工中的管理人員和施工人員進行擇優選擇.在人的因素中，主要考慮管理人員的因素、施工人員的技術熟練程度、施工人員的整體素質、施工人員的培訓情況等.

2)材料因素.材料是工程施工的重要物質基礎，材料充足才能保證施工的有序進行，材料的質量合格是保證工程質量合格的重要因素.因此，要加強地下管廊施工材料(如管片、混凝土、水泥、模板等)的質量管理和材料入場的控制，同時還要做好材料的儲存工作.

3)機械設備因素.機械設備是工程施工得以順利實現的物質基礎，同材料因素一樣，也是保證施工質量的重要因素之一.工程機械設備購進以后，要注意記錄機械設備的型號等相關數據，做好機械設備入場前的性能和質量檢驗，在施工過程中，更要注意對機械設備的檢修和維護.

4)施工方法.施工方法是指施工中所用到的技術措施，要做好地下綜合管廊施工中所用到的施工方案、施工工藝和檢測技術等管控工作.實際上，這些工程施工方法和施工技術能夠有效執行，才能保證各項施工工序的質量.

5)環境因素.環境因素包括自然環境(如工程地質及水文地質情況等)、施工質量管理環境和施工作業環境等，尤其是在地下管廊的施工過程中，自然環境更是復雜多變.這些環境綜合因素的好壞會直接影響到施工的質量問題.

1.2 BP神經網絡基本原理及結構

BP神經網絡算法的主要思想是：對于n個輸入學習樣本(x1，x2，…，xn)，已知與其對應的m個輸出樣本為(t1，t2，…，tm).用網絡的實際輸出(z1，z2，…，zm)與目標矢量(t1，t2，…，tm)之間的誤差來修正其權值，使zl(z=1，2，…，m)與期望的tl盡可能地接近[6-7].

在BP神經網絡中，最典型網絡結構是三層前饋型網絡，即由一個輸入層，一個輸出層和一個隱含層組成的三層網絡，這種三層的BP神經網絡已經能夠實現任意非線性函數的逼近，其網絡結構[8]如圖1所示.

圖1 三層BP神經網絡結構圖

1.3 神經網絡學習

設網絡的輸入x=(x1，x2，…，xn)T，隱含層有h個單元，其輸出層為y=(y1，y2，…，yh)T，輸出層有m個單元，輸出為z=(z1，z2，…，zm)T，目標輸出為t=(t1，t2，…，tm)T，隱含層到輸出層的傳遞函數設為f，輸出層的傳遞函數設為g[9-10]，則有

(1)

(2)

式中：yj為隱含層第j個神經元輸出；w0j=θ；x0=-1；zk為輸出層第k個神經元輸出.此時網絡輸出與目標輸出的誤差為

(3)

調整權值的目的是使ε減小，因為負梯度方向是函數值減小最快的方向.設定一個步長η(即學習速率)，每次沿負梯度方向調整η個單位，則每次權值的調整為

(4)

按照該調整方式，其誤差越來越小，因此，BP神經網絡(反向傳播)的調整順序為：先調整隱含層到輸出層的權值，設vk為輸出層第k個神經元的輸入，則有

(5)

-(tk-zk)g′(vk)yj

-δkyi

(6)

隱含層到輸出層的權值調整迭代公式為

wjk(t+1)=wjk(t)+ηδkyj

(7)

輸入層到隱含層的權值調整迭代公式為

(8)

式中，uj為隱含層第j個神經元的輸入，其表達式為

(9)

(10)

-δjxi

(11)

因此，式(8)可表示為

wij(t+1)=wij(t)+ηδjxi

(12)

2 工程實例仿真模擬

2.1 工程概況

該項目為沈陽市地下綜合管廊(南運河段)的PPP項目，起點位于南運河文體西路橋北側綠化帶，終點在和睦公園的南側，共設計7個盾構井、22個工藝井，全長約12.8 km.其中J25～J29盾構區間(即D6盾構井～D7盾構井)西起小河沿路與北方街橋交匯處，沿南運河北側、長安街敷設至和睦公園南側，設計起止里程為K10+415.934至K12+566.542.

根據管廊盾構施工的特點，在隧道內布置三管三線一走道，三管為進排水管、供熱管、通風管；三線為電力線、電纜線、運輸軌線；一走道為在隧道左側設置人行走道.圖2為管廊功能示意圖.沈陽市地下管廊的施工標準為：1)綠色、節能管廊，設計滿足國家現行的技術標準和政策法規；2)打造城市智慧管廊，具備數字化和智能化管廊功能，試點采用智能化巡檢機器人；3)城市高等級防恐、防災安全管廊，管廊內含有天然氣艙，在艙室內設有氣體濃度探測器.

圖2 管廊功能示意圖

2.2 質量評價體系確定和量化處理

通過對影響施工質量五大因素進行研究，結合工程案例，提出一個有14項指標的質量評價體系[11]，如表1所示.

表1 綜合管廊施工質量指標體系

為了便于建立神經網絡模型，輸入影響質量因素的信息，需要對質量控制因素進行量化處理，處理方式如下：

1)施工人員的技術操作熟練度用1表示熟練程度為高級、2表示熟練程度為中級、3表示熟練程度為低級；技術人員的平均工作年限按實際平均工齡輸入；管理人員的量化標準與施工人員的技術操作熟練度相同.

2)材料采購方式分別用1、2、3表示招標采購、施工方采購和甲方指定.

3)材料供應商的信譽是通過手機軟件以及網站查找該材料供應商的信譽度和好評率來確定的.

4)檢測結果的相對符合性是對采購的材料進行抽樣檢查和現場試驗，檢查材料的性能指標是否符合要求.施工機械數量配置合理與否，1為合理，2為不合理.

5)影響施工質量的機械和環境的因素通過收集工程的資料，應用某專家組按照優質、良好、較好、合格打分，其中優質為90分以上，良好為80～90分，較好為70～80分，合格為60～70分.

6)完成工期情況按照實際施工進度：按期完成記為1，進度提前記為2，進度推遲記為3.

7)新工藝應用情況按照施工過程設計所給信息，很大程度上用新工藝記為1，少量用新工藝記為2，基本不用新工藝記為3.

8)建成后的施工質量共有四個等級，目標輸出同樣采取量化的方法處理[12]，優質為90分以上，良好為80～90分，較好為70～80分，合格為60～70分.

綜上所述，控制點量化處理結果如表2所示.

表2 控制點量化處理結果

2.3 MATLAB對BP網絡模型的訓練及測試

將樣本分成兩組，先任意選取13個樣本做計算，對質量控制點進行仿真模擬，再用其他兩個數據進行驗證校核.神經網絡基本參數經理論計算以及經驗選取結果如下：1)隱含層數量為7個；2)學習速率選取0.02；3)網絡生成函數為newff；4)訓練次數為20 000；5)動量因子為0.8；6)神經網絡訓練期望誤差為0.001；7)計算步長為50.

打開MATLAB R2014a的編輯界面，通過編輯窗口輸入程序代碼.程序運行結果如圖3～5所示.

圖3 BP神經網絡的訓練

圖4 BP神經網絡訓練均方差曲線

2.4 網絡訓練精度驗證

所建模型經過7 585次網絡訓練，神經網絡已達到收斂，其訓練誤差在控制范圍內.用MATLAB繼續編程，輸入需要測試的另外兩組已歸一化處理的數據，程序代碼為：

?m=[0.100 0.370 0.100 0.500 0.431

0.847 0.408 0.592 0.100 0.100

0.500 0.100 0.396 0.473；

0.100 0.755 0.100 0.100 0.845

0.900 0.746 0.869 0.100 0.100

0.100 0.100 0.752 0.740]；

?m=m′；

?Y=sim(net，m)；

程序運行后輸出數據Y=(0.624 4，0.841 7)，將該實際輸出值與期望值對比所得結果如表3所示.

圖5 BP神經網絡訓練梯度變化曲線

表3 實際輸出與期望輸出比較

由表3可知，在這兩組測試的數據中，誤差是無法避免的，從相對誤差可以看出，其誤差在允許范圍內，預測結果相對準確.利用BP神經網絡建立地下管廊施工過程質量評估預測系統，對該類似問題進行研究時，只需要輸入這14種影響因素的相應數據就可以對所研究問題的質量控制做一個前期的預測.

3 結 論

本文結合沈陽市地下管廊施工所具備的條件以及具體施工情況，在BP神經網絡理論的基礎上，將智能算法融入其中，利用MATLAB實現工程實例仿真模擬計算.本文將BP神經網絡與MATLAB相結合，對質量控制而言，比傳統的方法更全面、更可靠、更符合實際情況，為施工質量管理提供了一個可參考的、實用的控制方法.