基于BP神经网络的基坑变形预测

1 神经网络在深基坑变形预测中

的运用

摘要：人工神经网络具有很强的非线性映射能力和高度的容错性，适合于处理那些模糊信息或不确定因素的知识,其推理方式类似于人类的思维方式,是处理不确定性、非线性和其它不确定问题的有利工具。而深基坑变形的影响因素是非常复杂的,深基坑变形与其影响因素之间的关系也是极为复杂的非线性关系。本文总结了近年来神经网络在深基坑变形预测中的运用，旨在对神经网络的智能预测有一个初步的了解。

关键词：神经网络；深基坑变形：预测；总结

引言

随着我们国家城市建设的不断发展,深基坑工程在数量和难度上都有大幅度的提高,这使得在深基坑工程中的事故频繁发生,给我国的经济造成了重大的损失。深基坑工程的实施工程中存在许多问题，而其中最大问题是开挖引起周围土体的变形,从而导致周围的建筑物和地下管线等设施的破坏[1]。目前,基坑设计时主要运用m法和有限元等两种常用的方法来进行变形估算,但理想模型与实际工况的差别、计算参数等都难以正确确定。受到这些不确定因素的影响,使得计算得到的变形值与实际变形量往往相差比较大。因此,寻求一种对基坑变形的一种有效预测方法是至关重要的。人工神经网络可以克服这些困境，它具有解决复杂的、不确定性的、非线性问题的能力,非常适合解决岩土工程问题。在基坑变形预测方面比常规方法有明显的优势[2]。

另外，深基坑开挖引起的围护结构变形是受到多种因素的影响,如围护结构方式、开挖方式、工程地质及水文地质条件等。围护结构的变形与它的每一个影响因素之间均存在着极其复杂的非线性关系,如何判断基坑变形的趋势对于施工自身安全和保护周边既有建(构)筑物的运营安全具有重要意义。而神经网络是一种高度自适应的非线性动力系统,通过神经网络学习可以得出输入与输出之间的高度非线性映射,能比较有效的预测基坑变形。相对于数值分析法、解析法等传统的岩土计算方法,神经网络在处理数据预测方面具有容错能力强、预测或识别速度快的优势, 避开了特征因素与判别目标的复杂关系描述,特别是公式的表

应用BP神经网络预测基坑变形

吕三和;闫韶兵;张敬志

【期刊名称】《城市勘测》

【年(卷),期】2005(000)001

【摘 要】通过分析基坑监测数据,找出其中蕴含的基坑支护系统变形的规律,应用BP神经网络预测系统未来的发展动态,对下一步支护开挖提供指导,同时可反馈设计,从而达到控制基坑支护变形的目的.

【总页数】4页(P54-57)

【作 者】吕三和;闫韶兵;张敬志

【作者单位】青岛市勘察测绘研究院,山东,青岛,266033;青岛市勘察测绘研究院,山东,青岛,266033;青岛市勘察测绘研究院,山东,青岛,266033

【正文语种】中 文

【中图分类】TP183

【相关文献】

1.BP神经网络在基坑变形预测中的应用研究 [J], 李帅;李浩;夏玉伟

2.基坑变形灰色人工神经网络预测模型及其应用 [J], 陈炳志

3.基坑变形小波去噪及PSO-BP神经网络预测模型研究 [J], 高瑞卿

4.基坑开挖诱发既有建(构)筑物变形的SVM-BP预测模型及其工程应用 [J], 李立云;孙庆玺

5.灰色理论和BP神经网络理论在地铁深基坑变形预测方面的应用 [J], 方林胜;何国伟;罗长明;熊梦馨 因版权原因，仅展示原文概要，查看原文内容请购买

总第２４０期　２Ｏ１Ｏ年第３期　交　通科技　Ｔｒａｎｓｐｏｒｔａｔｉｏｎ　Ｓｃｉｅｎｃｅ　８Ｌ　Ｔｅｃｈｎｏｌｏｇｙ　Ｓｅｒｉａｌ　ＮＯ．２４０　Ｎｏ．３　Ｊｕｎｅ．２０１０　

基于ＢＰ人工神经网络的公路软土地基沉降预测　张德刚　翟　娟　（１．中交一公局桥隧工程有限公司　高碑店０７４０００；２．湖北交通职业技术学院　武汉４３００７９）　摘要采用ＢＰ人工神经网络，利用杭瑞高速公路软土地基实测沉降数据直接建模，进行了软土　地基最终沉降量的预测．将预测结果与曲线拟合法中的双曲线法、指数曲线法、三点法的预测结果　进行了对比分析。证明神经网络法能避免传统方法计算过程中各种人为因素的干扰，计算精度　高，泛化性强，简便易行　关键词　软土路基　沉降预测　人工神经网络　在软土地基上修建高速公路，其核心问题在　于控制软基的沉降口］。为了掌握路堤在施工期中　的变形动态，必须建立动态观测和软基沉降动态　预报系统。一方面确保路堤在施工过程中的安全　和稳定；另一方面，软土地基上的高速公路路基潜　在的工后沉降会对交通运输造成相当大的危害，　因此要正确预测工后沉降，使工后沉降控制在设　计的允许范围之内。由于影响软土路基沉降的因　素很多［２］，且各因素随时间都在不断变化，而且软　土的性质极为复杂，土性参数的确定比较困难，准　确计算和预测软土路基沉降是软土路基施工控制　技术的难点。　本文采用ＢＰ人工神经网络，利用杭瑞高速　公路软土地基实测沉降数据直接建模，进行了软　土地基最终沉降量的预测，将预测结果与曲线拟　合法中的双曲线法、指数曲线法、三点法的预测结　果进行对比分析。　１神经网络建模及训练　１．１数据采集及归一化处理　训练样本数据见表１，为使网络训练更加有　效，在训练前可对样本数据进行归一化处理，即将　输入输出数据映射在［一ｌ，１］范围内，训练结束　后，将仿真输出再反映射到原数据范围。可以直　接调用Ｍａｔｌａｂ神经网络工具箱∞　提供的归一化　和反归一化函数。本文归一化处理就是直接调用　函数来进行处理。归一化函数为ｐｒｅｍｎｍｘ，反归　一化函数为ｐｏｓｔｍｎｍｘ。　收稿日期：２Ｏ１０一Ｏ１—２４　表１

基于BP神经网络的深基坑变形预测

张世豪;朱德华

【摘 要】深基坑变形是评价深基坑开挖过程中安全性的一个重要参数,对其进行精确预测是一个亟待解决的技术难题.为了更加准确地预测深基坑的变形,采用有动量的梯度下降算法,将现场的监测数据作为神经网络的输入参数,建立BP神经网络模型进行深基坑的变形预测.结果表明,模型的预测值与实测值之间的误差在5％以内,满足实际工程的要求.所建模型能够兼顾精度和效率,便于程序实现,能为深基坑的变形预测分析提供有效工具.

【期刊名称】《南京工程学院学报（自然科学版）》

【年(卷),期】2016(014)003

【总页数】6页(P17-22)

【关键词】深基坑;变形预测;BP神经网络;Matlab

【作 者】张世豪;朱德华

【作者单位】中交隧道工程局有限公司第三工程公司,江苏南京211100;南京林业大学土木工程学院,江苏南京210037

【正文语种】中 文

【中图分类】TV433

近十几年来,城市地下空间的利用日益成为城市发展的方向,深基坑工程的应用也越来越广泛[1]．随着基坑开挖的深度不断增加,对深基坑的施工安全的要求也越来越高,对深基坑的变形进行预测就显得尤为重要．但是,由于岩土是高度非线性的复杂地质体,常规的经验公式和有限元分析方法难以准确地预测基坑的变形．在认识到理论与数值模拟方法的不足后,BP神经网络分析方法开始应用于基坑工程的变形预测．

BP(back-propagation)神经网络是一种按照误差逆传播算法训练的多层前馈网络,由于其强大的非线性映射和泛化的能力,BP神经网络日益成为工程界应用最广泛的神经网络之一[2]．虽然BP神经网络在工程领域发展迅速,但在深基坑变形预测方面的应用还只是起步阶段,尚缺乏系统和全面的研究．因此,有必要结合实际工程进一步探讨BP神经网络在深基坑变形预测中的实用性．

国内外学者对BP神经网络的理论和数值计算等方面进行了大量的研究．文献[3]阐述了BP神经网络的基本原理和结构设计,并将改进的BP神经网络应用于我国黑龙江省农机总动力的预测中,取得了预期的效果．文献[4]研究了BP神经网络的结构及算法,并对基于神经网络的优化方法进行了探讨．近年来,基于BP神经网络的深基坑的变形预测方面的研究受到了国内外学者和工程界的关注，文献[5]提出了一种基于BP神经网络的基坑变形时间序列预测方法,获得了预期的结果；文献[6]采用了粒子群优化算法对神经网络模型的初始权值和阈值进行优化,并应用于深基坑的实际监测中,具有较高的可信度．从既有文献中可以看出,深基坑变形的影响因素具有复杂性与多变性,建立BP神经网络模型时需要根据实际的情况来选择影响深基坑变形的主要因素,以提高模型的预测精度．本文以广州地铁4号线金隆站的深基坑工程为实例,采用有动量的梯度下降法,建立基于BP神经网络的深基坑变形预测模型．