第27卷 第9期 岩 土 工 程 学 报 Vol.27 No.9 2005年 9月 Chinese Journal of Geotechnical Engineering Sep., 2005 基于神经网络的区域地壳稳定性评价
朱庆杰，马亚杰，陈艳华
（河北理工大学 建筑工程学院，河北 唐山 063009）
摘 要：在重大工程的选址中，由于多种影响因素的控制和复杂的非线性相关关系，如何建立统一的数学模型，充分利用已有地质资料，对区域地壳稳定性做出早期的准确评价一直是一个难题。基于人工神经网络方法，建立了区域地壳稳定性评价的数学模型，并介绍了计算方法。以沂沭断裂带区域地壳稳定性定量评价为例，介绍了模型结构和关联系数矩阵的确定方法，在模型中，考虑地形地貌、含水层岩性、地下水活动、地质构造、地震活动等多种因素的影响，对区域地壳稳定性进行了定量评价。同时，选取多种运算参数，分析了模型参数对运算的影响。依据计算结果，对研究区的铁路选线和今后的研究工作提出了几点认识和建议。
关键词：工程地质；稳定性；人工神经网络；模型；综合评价
中图分类号：TU 458.4 文献标识码：A 文章编号：1000–4548(2005)09–1105–05
作者简介：朱庆杰(1966–)，男，博士，教授，主要从事岩土工程与地震安全评价方向的研究。
Evaluation of regional crust based on ANN
ZHU Qing-jie, MA Ya-jie, CHEN Yan-hua
(Civil Engineering and Architecture College, Hebei Polytechnic University, Tangshan 063009, China) Abstract: Because the stability of regional crust was controlled by many factors, and the nonlinear correlation among influencing factors was complicated, it was difficult to construct a mathematical model by traditional methods to evaluate the stability precisely during geological surveying, and many geological data could not be applied adequately. Based on artificial neural network (ANN), the evaluating model of regional crust stability was established, and the calculating method was investigated. The structure of evaluating model was introduced by taking example for Yishu faulted zone, and the correlative coefficient matrices were explained. In this model, topography, lithology of aquifer, underground water, geological structure and seismic activity were considered. So the regional crust stability in Yishu faulted zone was calculated as a basis of this model. Furthermore, model preferences were discussed and their influence on the calculated result was analyzed. According to the calculated results, some advice for the construction of railway in this area and further researches were proposed.
Key words: regional crust; stability; ANN; model; assessment
0 引 言
准确评价区域地壳稳定性是工程选址成败的关键，其稳定性具有影响因素多的特点。如何充分利用以往的工程地质资料，建立合适的模型，是准确评价区域地壳稳定性的“瓶颈”问题。准确的评价结果可以避免部分工程量重复投人、工期延长以及资金浪费[1]。庄乾城等运用优势面理论，发展了一套工程地质层组划分和优势层判定的分析方法来评价工程稳定性[2]。徐卫亚等将模糊集理论应用于边坡稳定性分析，建立模糊数学分析模型，并构造了边坡稳定性评价的隶属函数[3]。刘之葵等针对影响溶洞地基稳定性的地质构造、结构面、岩层性质等因素，利用格里菲斯强度理论，对含溶洞岩石地基的稳定性进行了定量计算判别[4]。笔者在国家九五攻关课题中，应用模糊数学方法建立了地下岩石破裂概率隶属度函数，基于格里菲斯准则对地下油气富集的稳定性进行了评价[5]。李爱兵等利用矢量分析法，评价了某铅锌矿露天采场边坡三维楔块体的稳定性[6]。孔宪京等采用非连续变形分析方法，对面板坝的抗震稳定性进行了分析[7]。
以上定量评价方法主要是针对单个地质体或局限在小范围内的破坏机制分析和稳定性评价。研究中，人们注意到地应力与地质体物理力学参数间的关系和对稳定性分析的意义[8]。但“模型不准”一直是困扰广大岩土科技者的难题。如何使稳定性分析具有高精
───────
基金项目：国家自然科学基金资助项目（59895410）
收稿日期: 2004–11–03
1106 岩 土 工 程 学 报 2005年
度以更好地对区域地壳稳定性进行综合评价是提高早期评价精度的关键。基于地震动研究成果分析[9]，本文采用人工神经网络方法（ANN ），构建了区域地壳稳定性综合评价数学模型，并以沂沭断裂带地壳稳定性定量评价为例，介绍了模型结构和关联系数矩阵的确定方法，得到较为准确的评价结果。
1 模型介绍
区域地壳稳定性受到地层岩性、地质构造、水文地质特征、历史地震活动、不良地质现象等多方面影响，而且各种条件对稳定性的贡献较难确定，故区域地壳稳定性定量评价的关键是找到统一的数学模型，正确反映各个影响因素与稳定性之间以及各个影响因素之间的复杂非线性关系，从而能够适应评价区的地质条件变化。尤其随着地理信息系统技术在大型工程建设规划中的应用，对这种要求就更为迫切。建立统一数学模型的关键是考虑各种影响因素对综合指标的非线性综合贡献，而用传统的统计方法难以实现，因此，应用ANN 方法来构建评价模型[10]。依据ANN 的双并联前向网络方法，模型可表示为
(){}ij n n n n n j x W W W W P 102,11,0,????+=??? ， (1) 式中 i 表示影响因子数；j 表示已知样品组数；W n,n-1阵为第n 个隐层与第n-1个隐层的关联矩阵。这样，可根据不同地区指标的变化确定模型的具体形式和关联矩阵，即最终确定模型。
ANN 模型的双并联前向网络理论与误差向后传播学习算法中，前向网络的运转功能可以分成信息前向传播处理与误差向后传播学习两个方面。双并联前向网络前向处理方程为
输入层： I 0i =X i ， (2) Z 0i =f 0(X i ) 。 (3) 隐层：
∑=???+?=
HL
n j i l l j l ij
l l i w z w
I 1
0)1()1()1(，
(1≤i ≤n HL ) (1≤l ≤L-1) 。 (4)
)(li l li I f z =(1≤i ≤n HL ) (1≤l ≤L-1) ， (5)
式中 w l(l-1)i 0表示门限值；Z li 为第l 层第i 个处理元件的输出；f l 为第l 层处理元件的活动函数。
输出层：
∑∑==???++=L l
n j n j j ij L i L L j L ij L L li z w w z w I 1
1
000)1()1()1( ， (6)
)(Li L i I f y =(1≤i ≤n 0) 。 (7)
误差向后传播调整算法中，输出层δ误差
。))](()[()(i i L L i i L L
L
k Li y d C A y y C A ?+??=
λδ (8)
对于任一隐层l ，有
∑=+++=L
n i q i l k lij l lj l k lj I f w
I f 1
)1('
1)()1('
)()
()
(δ
∑
+=++++1
1
)2('2)1)(2()
(l n q s i l k sq l l I f w ∑+=?????2
11
)1('
1)
(l n s i L L I f
∑=???L
n i i i Li L k i i L L y d I f w
1
')
()2)(1(11112
1))(( 。 (9)
在上面的表达式中，W lmij 表示第l 层第i 个处理元件与第m 层第j 个处理元件之间权值；δ表示某一层某元件的误差增量。
2 评价实例
蓝村至新沂线是东北至长江三角洲陆海通道的一部分，是我国一条新的沿海南北大通道，沟通了东北、环渤海、长江三角洲三大经济区域。其位于我国东部最大的活动断裂带—郯庐断裂带的中段沂沭断裂带中，区域稳定性将成为决定取舍方案的关键。如图1所示，华北地台中的鲁东地盾和鲁西台背斜两个二级构造单元，包括胶莱坳陷、胶南隆起、沂沭断裂带、鲁中南隆起四个三级构造单元，其间界线均为深大断裂[11]。该区域地壳稳定性评价涉及因素较多，如地形地貌、地层岩性、断裂活动、地震活动等，故将本区作为实例来进行区域地壳稳定性评价。
图1 沂沭断裂带平面结构示意图 Fig. 1 Structure of Yishu faulted zone
2.1 工程地质情况简介
该区地形地貌特征为，稳定区内的剥蚀丘陵区地形起伏不大，大部分地段基岩裸露。较稳定区的剥蚀丘陵区多为残丘及缓坡，与丘间洼地及丘间冲积平原相间。欠稳定区和不稳定区的剥蚀丘陵区地形起伏较大，沭河及其支流为欠稳定区的主要河流，不稳定区的剥蚀丘陵区基岩裸露。地层岩性特征为，稳定区的剥蚀丘陵区岩性为太古界混合岩、片麻岩及元古界花
第9期 朱庆杰，等. 基于神经网络的区域地壳稳定性评价 1107
岗岩等。较稳定区的剥蚀丘陵区为白垩系青山群安山岩及安山集块岩。欠稳定区的剥蚀丘陵区主要为安山岩、安山集块岩及粉砂岩。不稳定区的剥蚀丘陵区以中厚层砂岩为主。地质构造特征为，稳定区断裂构造不甚发育。较稳定区伴随两条主干断裂有次一级断裂发育。欠稳定区褶皱北部比较发育，区内断裂构造也较发育，伴随主干断裂。不稳定区褶皱呈北东向展布，数条主干断裂被一些北西向断裂切割。地下水特征为，各区的剥蚀丘陵区主要为基岩裂隙水。稳定区埋深3~5 m ，水量不大。较稳定区冲洪积阶地及平原区主要为孔隙潜水，埋深为1~3 m ，水量稍丰富。不稳定区冲洪积阶地及平原区为第四系孔隙潜水，水量丰富。
沂沭断裂带是郯庐断裂带的强震发生区段，是近年来微震密集分布地段，空间分布受活动断裂的控制。现代地震主要受1668年郯城地震影响，据近20多年的地震台网记录，该带无中强震发生，有感地震平均每10 a 才发生2~3次。具有平静与活跃相间的周期特征，活动周期为3000 a 左右，所以百年内复发大震的概率很小。 2.2 评价过程
首先，选定评价指标。文中选定第四系厚度、次级断层发育程度，地下水埋深，含水层岩性，地震活动等5种指标来评价该区的地壳稳定性，分别用h ，f ，d ，w ，e 来表示。P 表示评价位置的稳定性程度。模型隐层数设为2，则式（1）转化成
()????
?
?????????????××+=j j j j j j e w d f h W W W W P 10213230 。 (10)
评价的第二步是对选定数据进行标准化转化， 将指标分成四类，第一类为连续分布的第四系厚度 和地下水埋深，第四系厚度按越小越有利的原则， 按式（11）进行定量转化。地下水埋深按越深越有 利的原则，按式（12）进行转化。
)
(Min )(Max )(Max i i i
i i x x x x x ??= ， (11)
)
(Min )(Max )
(Min i i i i i x x x x x ??=
， (12)
式中 x i 代表各评价指标。
第二类指标为含水层岩性，按定性分类进行转化，粗砂及以上取0.8，细砂取0.5，松软淤泥取0.2。第三类为地震活动，按历史地震活动和现今断层活动两者组合的原则取值。历史地震和现今断层都活动取0.8，较活动取0.6，历史活动取0.4，不活动取0.2。第四类为次生断层发育情况，按定性分区和条数修正
相结合的方法，发育多取0.2，较多取0.5，不发育取
0.8。并按发育条数修正，在发育很多的地点适当减少取值，而小于平均情况的则适当增加取值。稳定性评价指标依据实际调查结果，稳定位置取值0.9，较稳定0.6，欠稳定0.3，不稳定取0.1。经过转化后的数据见表1。
将数据代入式（10）的学习过程中，输入层元件数取5，代表以上5种指标，输出层为1（代表稳定性评价），学习增益系数取 1.2，惯性系数取0.5，隐层数为2，隐层1和2的元件数分别为7和4，经过93716次迭代，得到误差小于0.035的计算结果。相应的相关系数矩阵为
?????
?????
????????????= 0.800 0.669 0.741 0.858 0.253 0.159 0.762 0.615 0.376 0.508 0.511 0.149 0.768 0.589 0.400 0.830 0.111 0.818 0.980 0.357 0.732 0.898 0.394 0.062 0.709 0.728 0.844 0.004 0.828 0.326 0.143 0.749 0.538 0.825 0.088 10W ， ?????
???????=
0.317 0.375 0.520 0.259 0.078 0.229 0.3710.851 0.858 0.172 0.239 0.180 0.054- 0.1990.635 0.067- 0.069- 0.388 0.132- 0.554 0.8970.004- 0.453 0.137 0.860 0.595 0.139 0.83521W ， []1.132- 0.680- 1.012- 0.554-32=W ，
[]4.228 0.242 0.412 0.621 0.39830=W 。
这样就确定了稳定性评价的完整模型。实际工作可据以往资料和实际调查结果，确定各个地理位置第四系厚度、次级断层发育程度，地下水埋深，含水层岩性，地震活动等5种指标，将各个地理位置的上述数据代入已经确定了隐层数和输入指标以及相关系数矩阵的式（10）中，则得到区域地壳稳定性评价结果，如图2所示。
3 结果分析
通过对实例计算分析，稳定区主要分布在沂沭断裂带的中部地垒区，东西基本以断裂为界。整个区域内受断裂及地震活动影响较小，工程地质条件及稳定性较好，是铁路选线的良好区域。该区稳定性多大于0.8，局部甚至大于0.9，变化趋势为向西部（图2下部）缓慢减弱变为较稳定区，南部向东迅速变为不稳定区，北部向东逐渐变为欠稳定区。沂沭断裂带内的西地堑区，受两条主干断裂的控制。该区的工程地质条件不如中间地垒区好，但仍是铁路选线的较好区域，属较稳定区。欠稳定区位于沂沭断裂带内的东地堑的北部地区，工程地质条件稳定性较差，对铁路工程而言是欠稳定区，特别是新断陷盆地是跌路不宜通过的
1108 岩 土 工 程 学 报 2005年
表1 模型数据表 Table 1 Data of model
序号 第四系厚度 次级断层发育 地下水埋深 含水层岩性 地震活动 稳定程度 评价结果
1 0.45 0.5
2 0.62 0.5 0.6 0.6 0.5969 2 0.86 0.18 0.92 0.8 0.8 0.9 0.8827
3 0.21 0.9 0.22 0.2 0.2 0.1 0.1090
4 0.5
5 0.5 0.59 0.5 0.
6 0.6 0.6096 5 0.92 0.2 0.8
7 0.
8 0.8 0.
9 0.8816 6 0.19 0.9 0.12 0.2 0.2 0.1 0.1066 7 0.62 0.5 0.7 0.5 0.6 0.6 0.6186 8 0.96 0.22 0.92 0.8 0.8 0.9 0.8845 9 0.09 0.9 0.17 0.2 0.2 0.1 0.1032 10 0.49 0.5 0.72 0.5 0.6 0.6 0.6133 11 1.0 0.15 0.99 0.8 0.8 0.9 0.8944 12 0.07 0.9 0.09 0.2 0.2 0.1 0.1053 13 0.68 0.5 0.56 0.5 0.6 0.6 0.6248 14 0.88 0.24 1.0 0.8 0.8 0.9 0.8830 15 0.12 0.9 0.15 0.2 0.2 0.1 0.1041 16 0.62 0.5 0.66 0.5 0.6 0.6 0.6239 17 0.92 0.21 0.82 0.8 0.8 0.9 0.8784 18 0.0 0.9 0.0 0.2 0.2 0.1 0.0955 19 0.59 0.5 0.69 0.5 0.6 0.6 0.6176 20 0.82 0.19 0.89 0.8 0.8 0.9 0.8785 21 0.39 0.8 0.46 0.2 0.4 0.3 0.2868 22 0.57 0.5 0.58 0.5 0.6 0.6 0.6169 23 0.95 0.22 0.94 0.8 0.8 0.9 0.8849 24 0.24 0.8 0.37 0.2 0.4 0.3 0.2678 25 0.63 0.5 0.57 0.5 0.6 0.6 0.6128 26 0.96 0.15 0.9 0.8 0.8 0.9 0.8885 27 0.27 0.8 0.29 0.2 0.4 0.3 0.2650 28 0.92 0.21 0.94 0.8 0.8 0.9 0.8828 29 0.31 0.8 0.35 0.2 0.4 0.3 0.2708 30 0.6 0.5 0.71 0.5 0.6 0.6 0.6253 31 0.87 0.2 0.86 0.8 0.8 0.9 0.8794
32 0.06 0.9 0.21 0.2 0.2 0.1 0.1032
图2 稳定性评价结果 Fig. 2 Results of stability evaluation
地区。不稳定区位于沂沭断裂带内东地堑的南部地区，该区也是地震活动频繁地区，1668年郯城8.5级地震就发生在该区，近年来的微震分布密度较大，该区工程地质稳定性极差，是铁路工程极为不利区。从整体趋势看，该区工程地质稳定性具有东西分带、南北分段的特点，且西部好于东部，北段好于南段。
为了探讨模型参数对计算能力的影响，分8种情况进行了试算，如表2所示。从表2可以看出，精度要求和迭代次数密切相关，随着精度的提高，各种参数模型的迭代次数均增加，以2和5两种情况的对比分析为例，当精度要求由0.45提高到0.35时，迭代次数由36203次增大到93716次。除精度要求外，影响运算的最主要模型参数是学习增益系数和惯性系数，以7，8两种情况和2，3两种情况的对比可以看出，这两个参数的改变使本来很容易得到的迭代结果，在限定为20万次的迭代中迭代失败，因此，选取合适的学习增益系数和惯性系数，是迭代成功的关键，这也需要在实际应用中不断总结完善，表2中 1到6情况下这两个参数就是根据以往大量运算分析的经验来确定的。隐层数是另一个运算速度的参数，随着隐层
第9期朱庆杰，等. 基于神经网络的区域地壳稳定性评价 1109
数的增加，运算次数也成倍增加，因此，隐层数应该
与数据的复杂程度相对应，当数据不是很复杂时，并
不宜选择很多的隐层数。而隐层元件数目的变化对运
算速度的影响相对较小，只要选取得大致适当即可。
表2 计算结果分析
Table 2 Analysis of calculated results
序号增益
系数
惯性
系数
隐层
数
隐层元
件数
精度迭代次数
1 1.
2 0.5 2 4,2 0.45 38114
2 1.2 0.5 2 7,4 0.45 36203
3 1.2 0.5 3 3,6,
4 0.4
5 51737
4 1.2 0.
5 2 4,2 0.25 90453
5 1.2 0.5 2 7,4 0.25 93716
6 1.2 0.5 3 3,6,4 0.25 146829
7 0.2 0.6 2 7,4 0.45 迭代失败
8 0.2 0.6 3 3,6,4 0.45 迭代失败
4 结 论
通过以上模型的试算，结合实例，得到以下几点
认识：
(1) ANN模型可以对非线性相关的各指标做出较
为准确的预测。稳定性评价结果可以反映定性分区不
能反映的区内变化。并且充分利用积累的资料，做出
准确的评价。
(2) 通过实例计算，建议以通过稳定区的方案为主，避开不稳定因素的影响。
(3) 作为一次尝试，本文在一些资料数据的定量
化方面，尚有可以进一步提高之处。比如，地震活动
性可利用地震区划图中的地震动数据代替；次一级断
层分布，可与数值模拟相结合，既可以避免调查不全
面之处，也可以更为准确的反映全区岩体破裂情况的
分布。而含水层岩性，通过专题研究，可采用粒度分析的资料来代替简单的分类法。
(4) 考虑对突发灾害的防范，建议今后将稳定性评价和专门的地震安全性评价相结合。
参考文献：
[1] 肖有才.平顶山矿区地质勘探与建井工程地质条件分析[J].
南京工业大学学报, 2003,25(4):89–92.
[2] 庄乾城,罗国煜,李晓昭,等.南京地铁稳定性优势面理论分
析[J].高校地质学报, 2002,8(4):453–459.
[3] 徐卫亚,蒋中明,石安池.基于模糊集理论的边坡稳定性分
析[J].岩土工程学报, 2003,25(4):409–413.
[4] 刘之葵,梁金城,朱寿增.岩溶区含溶洞岩石地基稳定性分
析[J].岩土工程学报, 2003,25(5):629–633.
[5] 陈艳华,朱庆杰,苏幼坡.基于格里菲斯准则的地下岩体天
然裂缝分布的有限元模拟[J].岩石力学与工程学报, 2003,22(3):364–369.
[6] 李爱兵,周先明.露天采场三维楔形滑坡体的稳定性研究[J].
岩石力学与工程学报, 2002,21(1):52–55.
[7] 孔宪京,刘 君,韩国城.面板堆石坝模型动力破坏试验与
数值仿真分析[J].岩土工程学报, 2003,25(1):26–30. [8] 符文熹,聂德新,尚岳全,等.地应力作用下软弱层带的工程
特性研究[J].岩土工程学报, 2002,24(5):584–587.
[9] 朱庆杰,苏幼坡.基岩条件对地震影响系数的影响[J].岩土
工程学报, 2004,26(2):198–201.
[10] 朱庆杰,刘廷权,张秀彦.唐山市岩溶塌陷的神经网络预测
模型[J].辽宁工程技术大学学报, 2003,25(6):50–53. [11] 许再良,李国和,许兆义,等.鲁南地区区域地壳稳定性评
价与胶新铁路地质选线[J].工程地质学报, 2002,10(2):1–6.
人工神经网络原理及实际应用 摘要：本文就主要讲述一下神经网络的基本原理，特别是BP神经网络原理，以及它在实际工程中的应用。 关键词：神经网络、BP算法、鲁棒自适应控制、Smith－PID 本世纪初，科学家们就一直探究大脑构筑函数和思维运行机理。特别是近二十年来。对大脑有关的感觉器官的仿生做了不少工作，人脑含有数亿个神经元，并以特殊的复杂形式组成在一起，它能够在“计算＂某些问题（如难以用数学描述或非确定性问题等）时，比目前最快的计算机还要快许多倍。大脑的信号传导速度要比电子元件的信号传导要慢百万倍，然而，大脑的信息处理速度比电子元件的处理速度快许多倍，因此科学家推测大脑的信息处理方式和思维方式是非常复杂的，是一个复杂并行信息处理系统。1943年Macullocu和Pitts融合了生物物理学和数学提出了第一个神经元模型。从这以后，人工神经网络经历了发展，停滞，再发展的过程，时至今日发展正走向成熟，在广泛领域得到了令人鼓舞的应用成果。本文就主要讲述一下神经网络的原理，特别是BP神经网络原理，以及它在实际中的应用。 1.神经网络的基本原理 因为人工神经网络是模拟人和动物的神经网络的某种结构和功能的模拟，所以要了解神经网络的工作原理，所以我们首先要了解生物神经元。其结构如下图所示： 从上图可看出生物神经元它包括，细胞体：由细胞核、细胞质与细胞膜组成；
轴突：是从细胞体向外伸出的细长部分，也就是神经纤维。轴突是神经细胞的输出端，通过它向外传出神经冲动；树突：是细胞体向外伸出的许多较短的树枝状分支。它们是细胞的输入端，接受来自其它神经元的冲动；突触：神经元之间相互连接的地方，既是神经末梢与树突相接触的交界面。 对于从同一树突先后传入的神经冲动，以及同一时间从不同树突输入的神经冲动，神经细胞均可加以综合处理，处理的结果可使细胞膜电位升高；当膜电位升高到一阀值（约40mV），细胞进入兴奋状态，产生神经冲动，并由轴突输出神经冲动；当输入的冲动减小，综合处理的结果使膜电位下降，当下降到阀值时。细胞进入抑制状态，此时无神经冲动输出。“兴奋”和“抑制”，神经细胞必呈其一。 突触界面具有脉冲/电位信号转换功能，即类似于D/A转换功能。沿轴突和树突传递的是等幅、恒宽、编码的离散电脉冲信号。细胞中膜电位是连续的模拟量。 神经冲动信号的传导速度在1～150m/s之间，随纤维的粗细，髓鞘的有无而不同。 神经细胞的重要特点是具有学习功能并有遗忘和疲劳效应。总之，随着对生物神经元的深入研究，揭示出神经元不是简单的双稳逻辑元件而是微型生物信息处理机制和控制机。 而神经网络的基本原理也就是对生物神经元进行尽可能的模拟，当然，以目前的理论水平，制造水平，和应用水平，还与人脑神经网络的有着很大的差别，它只是对人脑神经网络有选择的，单一的，简化的构造和性能模拟，从而形成了不同功能的，多种类型的，不同层次的神经网络模型。 2.BP神经网络 目前，再这一基本原理上已发展了几十种神经网络，例如Hopficld模型，Feldmann等的连接型网络模型，Hinton等的玻尔茨曼机模型，以及Rumelhart 等的多层感知机模型和Kohonen的自组织网络模型等等。在这众多神经网络模型中，应用最广泛的是多层感知机神经网络。 这里我们重点的讲述一下BP神经网络。多层感知机神经网络的研究始于50年代，但一直进展不大。直到1985年，Rumelhart等人提出了误差反向传递学习算法（即BP算），实现了Minsky的多层网络设想，其网络模型如下图所示。它可以分为输入层，影层（也叫中间层），和输出层，其中中间层可以是一层，也可以多层，看实际情况而定。
地应力及其分布规律 1 、地应力的基本概念 地应力是存在于地层中的未受工程扰动的天然应力，也称岩体初始应力、绝对应力或原岩应力。广义上也指地球体内的应力。它包括由地热﹑重力﹑地球自转速度变化及其他因素产生的应力。 地应力是各种岩石开挖工程变形和破坏的根本作用力；是确定工程岩体力学属性，进行围岩稳定性分析，实现开挖设计和决策科学化的必要前提条件。此外地应力状态对地震预报、区域地壳稳定性评价、油田油井的稳定性、核废料储存、岩爆、煤和瓦斯突出的研究以及地球动力学的研究等也具有重要意义。 2、地应力的成因 产生地应力的原因是十分复杂的，地应力的形成主要与地球的各种动力运动过程有关，其中包括：板块边界受压、地幔热对流、地球内应力、地心引力、地球旋转、岩浆浸入和地壳非均匀扩容等。另外，温度不均、水压梯度、地表剥蚀或其它物理化学变化等也可引起相应的应力场。其中，构造应力场和自重应力场为现今地应力场的主要组成部分。 当前的地应力状态主要由最近的一次构造运动所控制，但也与历史上的构造运动有关。由于亿万年来，地球经历了无数次大大小小的构造运动，各次构造运动的应力场也经过多次的叠加、牵引和改造，另外，地应力场还受到其他多种因素的影响，造成地应力状态的复杂性和多变性， 地应力成因之一：地幔热对流（图1、图2） 地应力成因之一：板块边界受压（图3）
地应力成因之一：岩浆浸入（图4） 3、地应力的影响因素 地壳深层岩体地应力分布复杂多变，造成这种现象的根本原因在于地应力的多来源性和多因素影响，但主要还是由岩体自重、地质构造运动和剥蚀决定。1)岩体自重的影响 岩体应力的大小等于其上覆岩体自重，研究表明：在地球深部的岩体的地应力分布基本一致。但在初始地应力的研究中人们发现，岩体初始应力场的形成因素众多，剥蚀作用难以合理考虑，在常规的反演分析中，通常只考虑岩体自重和地质构造运动 2)地形地貌和剥蚀作用对地应力的影响 地形地貌对地应力的影响是复杂的，剥蚀作用对地应力也有显著的影响，剥蚀前，岩体内存在一定数量的垂直应力和水平应力，剥蚀后，垂直应力降低较多，但有一部分来不及释放，仍保留一部分应力数量，而水平应力却释放很少，基本上保留为原来的应力数量，这就导致了岩体内部存在着比现有地层厚度所引起的自重应力还要大很多的应力数值。 3)构造运动对地应力的影响 在地壳深层岩体，其地应力分布要复杂很多，此时由于构造运动引起的地应力对地应力的大小起决定性的控制作用。研究表明：岩体的应力状态，一般其铅垂应力分量是由其上覆岩体自重产生的，而水平应力分量则主要由构造应力所控制，其大小比铅垂应力要大得多。 4)岩体的物理力学性质的影响 从能量的角度看，地应力其实是一个能量的积聚和释放的过程。因为岩石中地应力的大小必然受到岩石强度的限制，可以说，在相同的地质构造中。地应力的大小是岩性因素的函数，弹性强度较大的岩体有利于地应力的积累，所以地震和岩爆容易发生在这些部位,而塑性岩体因容易变形而不利于应力的积累。 5)水、温度对地应力的影响 地下水对岩体地应力的大小具有显著的影响，岩体中包含有节理、裂隙等不连通层面，这些裂隙面里又往往含有水，地下水的存在使岩石孔隙中产生孔隙水压力，这些孔隙水压力与岩石骨架的应力共同组成岩体的地应力。温度对地应力的影响主要体现在地温梯度和岩体局部受温度的影响两个方面。由于地温梯度而产生的地温应力，岩体的温度应力场为静压力场，可以与自重应力场进行代数迭加，如果岩体局部寒热不均，就会产生收缩和膨胀，导致岩体内部产生应力。4、地应力的分布规律
文章编号:1003-1251(2007)02-0001-04 连续时间递归神经网络的稳定性分析 陈 钢1 ,王占山 2 (1.沈阳理工大学理学院,辽宁沈阳110168;2.沈阳理工大学) 摘 要:基于压缩映射原理,针对连续时间递归神经网络研究了其平衡点全局稳定性问 题,给出了平衡点稳定的充分判据.该判据不要求网络互连矩阵的对称性,改进了现有一些文献中的结果,且具有易于验证的特点.通过两个注释和一个仿真例子证明了所得结果的有效性.关 键 词:递归神经网络;平衡点;压缩映射原理;稳定性 中图分类号:TP183 文献标识码:A An Analysis on t he Stability of Conti n uous ti m e Recursive Neural Net works CHEN G ang ,WANG Zhan shan (Shenyang L i gong Un ivers i ty ,Shenyang 110168,C h i na) A bstract :U si n g the co m pression m app i n g theore m,a sufficient conditi o n is g i v en for the g lobal asy m ptotic stab ility of a conti n uous ti m e recursive neural net w ork .The ne w conditi o ns do not requ ire the sy mm etry o f the i n terconnection m atri x o f the recursive neura l net w or ks ,and the activati o n f u ncti o n m ay be unbounded .The obtained suffic i e nt conditi o ns are less conservati v e than so m e prev i o us w orks ,and are easy to check .The effectiveness o f the ob ta i n ed results is de m onstrated by t w o re m arks and a si m ulation exa m p le . K ey words :recursive neural net w orks ;equ ili b ri u m poin;t co m pression m app i n g pri n c i p le ;stab ility 收稿日期:2006-11-20 作者简介:陈钢(1968 ),男,内蒙通辽人,讲师 递归神经网络在优化和联想记忆等领域已经取得广泛成功应用 [1] .众所周知,递归神经网络的工程应用主要依赖于网络的动态行为.这样,关于 递归神经网络稳定性的研究得到人们越来越多的关注 [1~10] .目前神经网络稳定性研究所得到的稳 定判据主要具有如下特征:激励函数是有界的[7] , 利用M 矩阵特性[4,6] ,及计算互联矩阵的各种范数或测度等 [11] .然而,在某些工程应用中常常要 求神经网络的激励函数是无界的,且进一步降低 神经网络稳定条件的保守性仍是一个有待解决的问题 [2] .所以,研究递归神经网络的稳定性具有重 要的理论意义和实际意义.文献[1]利用矩阵范数的概念得到了神经网络稳定性的充分条件,而文献[2~11]分别基于矩阵测度、M 矩阵等方法得到了神经网络稳定性的充分条件. 本文研究连续时间递归神经网络的稳定性问题.基于压缩映射原理,我们将给出保证神经网络平衡点存在性、唯一性和渐近稳定性的充分判据. 2007年4月 沈阳理工大学学报 V ol.26N o.2 第26卷第2期 TRANSACT I O NS OF S H ENYANG L I G ONG UN I V ERSI TY Ap r . 2 7
The stability of finished pharmaceutical products depends on environmental and product-related factors ICH and WHO started discussions in 2000 to harmonise the number of stability tests and conditions employed worldwide……but there was little agreement from interested parties on an ICH proposal regarding long-term storage conditions in zone IV (hot and humid countries)Stability Testing of Pharmaceutical Products in a Global Environment Dr Sabine Kopp reports on the development of World Health Organization policy on stability testing. Following lengthy discussions, the World Health Organization (WHO) has revised its guidelines on stability testing conditions for climatic zone IV , ie hot and humid countries. The guidelines are expected to be made available shortly. This article summarises the key events that have marked the WHO’s work on developing international stability testing guidelines. The stability of finished pharmaceutical products depends on several factors. On the one hand, it depends on environmental factors such as ambient temperature, humidity and light. On the other, it depends on product-related factors such as the chemical and physical properties of the active substance and pharmaceutical excipients, the dosage form and its composition, the manufacturing process, the nature of the container-closure system and the properties of the packaging materials. For established drug substances in conventional dosage forms, literature data on the decomposition process and degradability of the active substance are generally available together with adequate analytical methods. Thus, the stability studies may be restricted to the dosage forms. The actual stability of a dosage form will depend to a large extent on the formulation and packaging-closure system selected by the manufacturer. Stability considerations, for example selection of excipients, determination of their level and process development, should therefore be given high priority in the developmental stage of the product. The possible interaction of the drug product with the packaging material in which it will be delivered, transported and stored throughout its shelf-life must also be investigated. The shelf-life should be established with due regard to the climatic zone(s) in which the product is to be marketed. For certain preparations, specific storage instructions must be complied with if the shelf-life is to be guaranteed. The storage conditions recommended by manufacturers on the basis of stability studies should guarantee the maintenance of quality, safety and efficacy throughout the shelf-life of a product. The effect on products of the extremely adverse climatic conditions in certain countries to which they may be exported calls for special consideration. T o ensure both patient safety and the rational management of drug supplies, it is important that the expiry date and, where necessary, the storage conditions are indicated on the label.The beginning Work on stability of pharmaceutical products was initiated by the WHO in 1988 and the WHO Guidelines on Stability Testing for Well Established Drug Substances in Conventional Dosage Forms were adopted in 1996 by the WHO Expert Committee on Specifications for Pharmaceutical Preparations following extensive consultation 1. In 2000, discussions began between the International Conference on Harmonization (ICH)expert working group Q1 (stability) and the WHO to harmonise the number of stability tests and conditions employed worldwide. The working group, when developing guidance Q1F Stability Data Package for Registration Applications in Climatic Zones II and IV , proposed a modification to the WHO guidelines. The proposal concerned the long-term storage conditions for climatic zone IV (hot and humid countries). The group suggested that the WHO change its conditions from 30°C and 70% relative humidity (RH) to 30°C and 60% RH. A detailed paper including the rationale for the change was widely circulated for comment. Non-governmental organisations, international professionals’bodies and specialists, and members of the WHO expert advisory panel on the international pharmacopoeia and pharmaceutical preparations were among those consulted. Responses to the proposal varied. A number of experts agreed that the proposal constituted a sound scientific approach. It was recognised that packaging was very important and common testing conditions should be agreed upon for WHO and ICH guidelines. Others criticised the approach as being too scientific and impractical while pointing out that actual meteorological and physical storage conditions in these countries would not allow simulation of long-term storage conditions as defined by the new proposal. Arguments were also put forward against the application of some parameters used in the calculations.
《神经网络原理》 一、填空题 1、从系统的观点讲，人工神经元网络是由大量神经元通过极其丰富和完善的连接而构成的自适应、非线性、动力学系统。 2、神经网络的基本特性有拓扑性、学习性和稳定收敛性。 3、神经网络按结构可分为前馈网络和反馈网络，按性能可分为离散型和连续型，按学习方式可分为有导师和无导师。 4、神经网络研究的发展大致经过了四个阶段。 5、网络稳定性指从t=0时刻初态开始，到t时刻后v(t+△t)=v(t)，(t>0)，称网络稳定。 6、联想的形式有两种，它们分是自联想和异联想。 7、存储容量指网络稳定点的个数，提高存储容量的途径一是改进网络的拓扑结构，二是改进学习方法。 8、非稳定吸引子有两种状态，一是有限环状态，二是混沌状态。 9、神经元分兴奋性神经元和抑制性神经元。 10、汉明距离指两个向量中对应元素不同的个数。 二、简答题 1、人工神经元网络的特点 答：（1）、信息分布存储和容错性。 （2）、大规模并行协同处理。 （3）、自学习、自组织和自适应。 （4）、人工神经元网络是大量的神经元的集体行为，表现为复杂
的非线性动力学特性。 （5）人式神经元网络具有不适合高精度计算、学习算法和网络设计没有统一标准等局限性。 2、单个神经元的动作特征有哪些 答：单个神经元的动作特征有：（1）、空间相加性；（2）、时间相加性；（3）、阈值作用；（4）、不应期；（5）、可塑性；（6）疲劳。 3、怎样描述动力学系统 答：对于离散时间系统，用一组一阶差分方程来描述： X(t+1)=F[X(t)]； 对于连续时间系统，用一阶微分方程来描述： dU(t)/dt=F[U(t)]。 4、F(x)与x 的关系如下图，试述它们分别有几个平衡状态，是否为稳定的平衡状态 答：在图（1）中，有两个平衡状态a 、b ，其中，在a 点曲线斜率|F ’(X)|>1，为非稳定平稳状态；在b 点曲线斜率|F ’(X)|<1，为稳定平稳状态。 在图（2）中，有一个平稳状态a ，且在该点曲线斜率|F ’(X)|>1，为非稳定平稳状态。 X X
根据拟建场区地震烈度和区域地壳稳定性分区和判别指标一览表(表6-1)，确定拟建场区区域地壳稳定性属基本稳定区Ⅱ，工程建设条件适宜，但需做抗震设计。 区域地壳稳定性分区和判别指标一览 表6-1 稳 定性地壳结构 新生代地壳 变形火山、地热 迭加 断裂角 α 布格异常 梯度Bs (105ms〃km2) 最大 震级 基本 烈度 地震动 峰值加 速度 工程 建设 条件 稳定区Ⅰ块状结构， 缺乏深大断 裂或仅有基 底断裂，地 壳完整性好 缺乏第四系断 裂，大面积上 升，第四纪地壳 沉降速率＜0.1 毫米/年，缺乏 第四纪火山。 0-10° 70-90° 比较均匀变 化，缺乏梯 度带 M＜5.5 ≤Ⅵ≤0.05 良好 基本稳定区Ⅱ镶嵌结构， 深断裂连续 分布，间距 大，地壳较 完整 存在第四纪断 裂长度不大，第 四纪地壳沉降 速率0.1-0.4 毫米/年，缺乏 第四纪火山。 11-24° 51-70° 地段性异常 梯度带Bs= 0.5-2.0 5.5≤M ≤6.0 Ⅶ 0.1-0. 15 适宜 但需 抗震 设计 次不 稳定区Ⅲ块状结构， 深断裂成带 出现，长度 以大于百公 里，地块呈 条形、菱形 地壳破碎 发育晚更新世 和全新世以来 活动断裂，延伸 长度大于百公 里，存在近代活 动断引起的M＞ 6级地震，第四 纪地壳沉降速 率大于0.4毫 米/年，存在第 四纪火山，温泉 带。 25-50° 区域性异常 梯带Bs= 2.0- 3.0 6.0≤M ≤7.0 Ⅷ-Ⅸ 0.20-0 .4 中等 适宜， 须加 强抗 震和 工程 措施 不 稳定区Ⅳ区域性异常 梯度带Bs＞ 3.0 M≥7.25 ≥Ⅸ≥0.4 不适 宜
摘要：本文讨论了基于李雅普诺夫方法分析神经网络控制系统的稳定性。首先，文章指出神经网络系统的动态可以由视为线性微分包含（LDI）的一类非线性系统表示。其次，对于这类非线性系统的稳定条件是推导并利用单神经系统和反馈神经网络控制系统的稳定性分析。此外，用图形方式显示非线性系统参数位置的这种参数区域表示方法（PR）提出了通过引入新的顶点和最小值的概念。从这些概念上可以推导出一个能有效地找到李雅普诺夫函数的重要理论。单个神经的神经系统的稳定性标准时由参数区域来决定的。最后，分析了包括神经网络设备和神经网络控制器为代表的神经网络控制系统的稳定性。 1.介绍 最近，已经有很多关于神经网络的自适应控制的研究，例如:在机器人领域，川户提出了一种使用的学习控制系统，控制系统的一项关键指标就是他的稳定性，然而分析像基于神经网络的控制系统这样的非线性系统的稳定性是非常难的。 Nguyen和Widrow 设计了一种在电脑上模拟卡车拖车的神经网络控制器。这个设计主要分为两大部分。第一部分是通过神经网络来学习设备的动态，这一部分被称为“仿真器”。第二部分是通过最小化的性能函数来计算出神经网络网络控制器的参数（权值）。但是，他们没有分析神经网络控制系统的稳定性。一项稳定性分析标准工具讲有利于神经网络控制应用到许多实际问题中。 最近，这类可被视为线性微分包含（LDI）的非线性系统的稳定条件已经被作者推导出来，再引用的[7][8]中讨论了。其中一项保证LDI稳定的充分条件与李雅普诺夫稳定性定理是相一致的。本文应用LDI的稳定条件和Nguyen与Widrow的方法来分析神经网络系统的稳定性。文中选取了一种代表神经网络状态的方法。此外，我们表明包含由近似于神经网络设备和神经网络控制器组成的神经网络反馈控制系统也可以分析神经网络是否能稳定。这意味着，本文提出的稳定条件可以分析神经网络反馈控制系统。本文的构成如下：第二节展示了一种文中的神经网络系统。第三节给出了LDI的稳定条件。第四节提出了一个以图形方式显示LDI参数的参数区域表示方法（PR）并推导出一个有效导出李雅普诺夫函数的重要定理。第五节阐述了神经网络系统的LDI表示方法。第六节介绍了用PR方法表示单神经系统和神经网络反馈系统的稳定标准。 2.神经控制系统 假设一个神经网络函数是 x(k + I) =P( x ( k )u, (k))， 他的神经网络反馈控制系统的函数是：x(k + 1) = P(x(k),u(k)) 和 u(k) = C(x(k))，其中x(k)是实属范围内的状态向量，u(k)是实属范围内的输入向量。P和C分别表示神经网络设备和神经网络控制器的非线性传递函数。如图1，显示了一个单一的神经网络系统和神经网络反馈控制系统。假设每个神经元的输出函数f ( u )都是可微分的，在k > 0的情况下，我们可以得到：f ( 0 ) = 0, f(v)∈[-k,k]，对于所有的v都成立 此外，假设所有的传递权重都已经被学习方法所确定了，例如反向传播神经网络在神经网络控制稳定性分析之前。在一个单一的神经网络系统中，因为我们分析神经网络系统的动态平衡稳定性，所以设定. u(k) = 0。
问题一：场地稳定性与适宜性如何评价 本人认为主要是考虑以下几个方面1）场地的地形起伏情况2）场地内或进场地区域（按抗震规范要求的距离）内是否存在全新世活动断裂，及其对工程的影响；3）区域内是否存在不良地质作用，对工程是否有影响？ 因为看到有些单位采用地壳稳定性分级或《城市规划工程地质勘察规范》对场地的稳定性及适宜性分级定性评价，我知道这都是想找一个可靠的依据来分析评价但是不知对错与否？以下是我看到的几个报告场地稳定性及适宜性评价的主要内容，看看大家有什么看法。（一）采用《城市规划工程地质勘察规范》对场地的稳定性及适宜性分级定性评价 （二）采用地壳稳定性分级对场地的稳定性及适宜性分级定性评价 6.1场地适宜性评价按《建筑抗震设计规范》GB50011-2010和《中国地震动参数区划图》（GB18306-2001）划分，乌鲁木齐地区抗震设防烈度为8度，设计基本地震动峰值加速度为0.20g，设计地震分组为第二组。拟建场地内地下水位埋深大于15m，场地土为杂填土和基岩层，可不考虑地震液化。根据拟建场地地基土覆盖层厚度，场地土特征综合判定：地基土属中硬场地土，建筑场地类别为Ⅱ类, 地段类别属于建筑抗震有利地段。综合判定，拟建场地适宜作为建筑场地。6.
2场地稳定性评价根据拟建场区地震烈度和区域地壳稳定性分区和判别指标一览表(表4)，确定拟建场区区域地壳稳定性属次不稳定区Ⅲ，工程建设适宜，但需抗震设计。 区域地壳稳定性分区和判别指标一览表表4
（三）如我所述评价 6.2场地稳定性评价 拟建场地位于剥蚀低山丘陵区，南侧紧临低丘，地形略有起伏，场地内无滑坡、崩塌、泥石流、地陷、地裂等不良地质作用，地基土为中硬场地土，场地及周边无断裂通过。综合判定，拟建场地为抗震一般地段，适宜做建筑场地。 问题二：场地的稳定性和适宜性是作为一个整体来写，还是分为场地的稳定性评价和场地的适宜性评价两个小节来写？
神经网络的基本原理 在神经网络系统中，其知识是以大量神经元互连和各互连的权值表示。神经网络映射辨识方法主要通过大量的样本进行训练，经过网络内部自适应算法不断调整其权值，以达到目的。状态识别器就隐含在网络中，具体就在互连形式与权值上。在网络的使用过程中，对于特定的输入模式，神经网络通过前向计算，产生一输出模式，通过对输出信号的比较和分析可以得到特定解。目前，神经网络有近40多种类型，其中BP 网络是最常用和比较重要的网络之一，本文就应用BP 网络进行齿轮计算中相应数据图表的识别映射。 BP 网络模型处理信息的基本原理是：输入信号X i 通过中间节点（隐层点）作用于输出节点，经过非线形变换，产生输出信号Y k ，网络训练的每个样本包括输入向量X 和期望输出量t ，网络输出值Y 与期望输出值t 之间的偏差，通过调整输入节点与隐层节点的联接强度取值W ij 和隐层节点与输出节点之间的联接强度T jk 以及阈值，使误差沿梯度方向下降，经过反复学习训练，确定与最小误差相对应的网络参数（权值和阈值），训练即告停止。此时经过训练的神经网络即能对类似样本的输入信息，自行处理输出误差最小的经过非线形转换的信息。 BP 网络的学习过程是通过多层误差修正梯度下降法进行的，称为误差逆传播学习算法。误差逆传播学习通过一个使误差平方和最小化过程完成输入到输出的映射。在网络训练时，每一个输入、输出模式集在网络中经过两遍传递计算：一遍向前传播计算，从输入层开始，传播到各层并经过处理后，产生一个输出，并得到一个该实际输出和所需输出之差的差错矢量；一遍反向传播计算，从输出层至输入层，利用差错矢量对连接权值和阀值，进行逐层修改。 经过训练好的BP 网络即可付诸应用。学习后的网络，其连接权值和阀值均已确定。此时，BP 模型就建立起来了。网络在回想时使用正向传播公式即可。 BP 网络由输入层结点，输出层结点和隐含层结点构成，相连层用全互连结构。图1为典型的三层结构网络模型。 图1 三层网络结构图 神经网络的工作过程主要分为两个阶段：一个是学习期，通过样本学习修改各权值，达到一稳定状态；一个是工作期，权值不变，计算网络输出。 BP 网络的学习过程由正向传播和反向传播两部分组成。在正向传播过程中，输入信息从输入层经隐含层单元逐层处理，并传向输出层，每一层神经元的状态只影响下一层神经元的状态。如果在输出层不能得到期望的输出，则转入反向传播，将误差信号沿原来的路径返回，通过修改各层神经元的权值，使得误差信号最小。当给定一输入模式 12(,,...,)m X x x x =和希望输出模式12(,,...,)n Y y y y = 时，网络的实际输出和实际误差，可用下列公式求出：
Computer Knowledge and Technology电脑知识与技术第6卷第16期(2010年6月) 神经网络模型平衡点的全局稳定性 高艳超，程毅，刘天宝，孙佳慧 （空军航空大学数学教研室，吉林长春130022） 摘要：该文介绍了一类Hopfield神经网络模型问题，证明了此类系统的平衡点是全局指数稳定的。 关键词：Hopfield神经网络；平衡点；矩阵 中图分类号：O175.21文献标识码：A文章编号：1009-3044(2010)16-4477-01 The Global Exponential Stability of Equilibrium for a Class of Hopfield Neural Networks GAO Yan-chao,CHENG Yi,LIU Tian-bao,SUN Jia-hui (Teaching and Research Section of Mathematics,Aviation University of Air Force,Changchun130022,China) Abstract:It introdces a class of Hopfield Neural Networks,which the global exponential stability of equilibrium for a class of Hopfield Neural Networks is proved. Key words:hopfield neural network;equilibrium;matrix 1引言和预备知识 在20世纪80年代初期神经网络研究重新兴起，这在很大程度上归功于美国生物物理学家J.J.Hopfield的工作，他提出了以他的名字命名的Hopfield神经网络。Hopfield神经网络及其众多变形之所以受到众多学者的关注，是因为它们在模式识别、联想记忆、并行计算和解决困难的最优化问题上都具有极其优越的潜能。 本论文研究下面具有初值条件x(0)=x0的神经网络模型： (*)其中x=(x1,x2,…,x n)T∈R n是状态向量，x觶表示x(t)关于t的导数， 是外部输入常数向量，T=(t ij)∈R n×n是关联（状态反馈）矩阵， 是一个映射，为输出向量，I=(I1,…,I2)T∈R n是外部输入常数向量。 2主要结果 讨论具有初值条件x(0)=x0的神经网络模型：，其中B,I满足系统(*)中的条件，证明存在惟一的平衡点。对g,B,T作以下假设： (H1)假设g∈GLC，即：常数L j，其中 。这里考虑的激励函数可以是无界的、不可微的、不单调的。 (H2)假设B,T满足：，其中λmax(TT T)为矩阵TT T的最大特征值，。 因为TT T是半正定的，所以可以取λmax(TT T)，并且，我们可以找到L max=max{L1,L2,…,L n}，使 定理：若g满足假设(H1)，B,T满足假设(H2)，则神经网络模型(*)是全局指数稳定的。 证明：为了讨论系统(4-1)的平衡点ξ=(ξ1,ξ2,…,ξn)T的稳定性问题，我们作平移变换。令 于是，系统可化为有初值条件z(0)=x0-ξ的神经网络模型。 z觶(t)=Bz(t)+Tg(z(t)) 其中g(z(t))=g(z(t)+ξ)-g(ξ)。而且，存在L max=(L1,L2,…,L n)，使。 我们构造以下Lyapunov函数： 由链式法则知： （下转第4481页）收稿日期：2010-03-17 ISSN1009-3044 Computer Knowledge and Technology电脑知识与技术 Vol.6,No.16,June2010,pp.4477,4481 E-mail:eduf@https://www.doczj.com/doc/656929403.html, https://www.doczj.com/doc/656929403.html, Tel:+86-551-56909635690964
第27卷 第9期 岩 土 工 程 学 报 Vol.27 No.9 2005年 9月 Chinese Journal of Geotechnical Engineering Sep., 2005 基于神经网络的区域地壳稳定性评价 朱庆杰，马亚杰，陈艳华 （河北理工大学 建筑工程学院，河北 唐山 063009） 摘 要：在重大工程的选址中，由于多种影响因素的控制和复杂的非线性相关关系，如何建立统一的数学模型，充分利用已有地质资料，对区域地壳稳定性做出早期的准确评价一直是一个难题。基于人工神经网络方法，建立了区域地壳稳定性评价的数学模型，并介绍了计算方法。以沂沭断裂带区域地壳稳定性定量评价为例，介绍了模型结构和关联系数矩阵的确定方法，在模型中，考虑地形地貌、含水层岩性、地下水活动、地质构造、地震活动等多种因素的影响，对区域地壳稳定性进行了定量评价。同时，选取多种运算参数，分析了模型参数对运算的影响。依据计算结果，对研究区的铁路选线和今后的研究工作提出了几点认识和建议。 关键词：工程地质；稳定性；人工神经网络；模型；综合评价 中图分类号：TU 458.4 文献标识码：A 文章编号：1000–4548(2005)09–1105–05 作者简介：朱庆杰(1966–)，男，博士，教授，主要从事岩土工程与地震安全评价方向的研究。 Evaluation of regional crust based on ANN ZHU Qing-jie, MA Ya-jie, CHEN Yan-hua (Civil Engineering and Architecture College, Hebei Polytechnic University, Tangshan 063009, China) Abstract: Because the stability of regional crust was controlled by many factors, and the nonlinear correlation among influencing factors was complicated, it was difficult to construct a mathematical model by traditional methods to evaluate the stability precisely during geological surveying, and many geological data could not be applied adequately. Based on artificial neural network (ANN), the evaluating model of regional crust stability was established, and the calculating method was investigated. The structure of evaluating model was introduced by taking example for Yishu faulted zone, and the correlative coefficient matrices were explained. In this model, topography, lithology of aquifer, underground water, geological structure and seismic activity were considered. So the regional crust stability in Yishu faulted zone was calculated as a basis of this model. Furthermore, model preferences were discussed and their influence on the calculated result was analyzed. According to the calculated results, some advice for the construction of railway in this area and further researches were proposed. Key words: regional crust; stability; ANN; model; assessment 0 引 言 准确评价区域地壳稳定性是工程选址成败的关键，其稳定性具有影响因素多的特点。如何充分利用以往的工程地质资料，建立合适的模型，是准确评价区域地壳稳定性的“瓶颈”问题。准确的评价结果可以避免部分工程量重复投人、工期延长以及资金浪费[1]。庄乾城等运用优势面理论，发展了一套工程地质层组划分和优势层判定的分析方法来评价工程稳定性[2]。徐卫亚等将模糊集理论应用于边坡稳定性分析，建立模糊数学分析模型，并构造了边坡稳定性评价的隶属函数[3]。刘之葵等针对影响溶洞地基稳定性的地质构造、结构面、岩层性质等因素，利用格里菲斯强度理论，对含溶洞岩石地基的稳定性进行了定量计算判别[4]。笔者在国家九五攻关课题中，应用模糊数学方法建立了地下岩石破裂概率隶属度函数，基于格里菲斯准则对地下油气富集的稳定性进行了评价[5]。李爱兵等利用矢量分析法，评价了某铅锌矿露天采场边坡三维楔块体的稳定性[6]。孔宪京等采用非连续变形分析方法，对面板坝的抗震稳定性进行了分析[7]。 以上定量评价方法主要是针对单个地质体或局限在小范围内的破坏机制分析和稳定性评价。研究中，人们注意到地应力与地质体物理力学参数间的关系和对稳定性分析的意义[8]。但“模型不准”一直是困扰广大岩土科技者的难题。如何使稳定性分析具有高精 ─────── 基金项目：国家自然科学基金资助项目（59895410） 收稿日期: 2004–11–03