岩土工程人工神經網路預測

前幾天被師弟要求提供關於邊坡工程預警預測的相關理論資料。先是一愣，隨即倍感可悲可嘆!知識這種高品質的科研基礎能力怎麼變成被要求提供的物件了呢？就算是有人提供給你，你就能明白和掌握其真諦嗎？哎，鑒於此，今天就來略扯一下預測理論。

根據現場監測數據資料，實施岩土工程施工變形位移的智能預警預測，是目前施工安全動態控制的重要方法。運用基於神經網路理論的分析方法，可將預測結果與變形警戒值比較，必要時調整設計、施工參數，以減小後續施工中將出現的變形，達到有效控制變形的目的。

人工神經網路

隨著科學技術的發展，其它學科的知識、方法也不斷被引入到岩土工程領域。尤其是由於人工智慧技術的蓬勃發展，越來越多的智能化技術應用到岩土工程反分析的領域，如人工神經網路(ANN)、遺傳演算法(GA)等。

人工神經網路(ANN，Artificial Neutral Network)在本質上是一種具有可訓練性能的非線性映射。它是一種高度簡化的人腦生物結構模型，其層次結構包括許多相互連接的基本處理單元，用以模擬生物神經元。神經網路的特徵來自於傳遞函數和連接權重，通過調整權重有可能用分布表達式識別複雜的映射。神經網路的理論已經證明，三層以上(含三層)的神經網路可以逼近任意非線性函數。話說數據不完整或者不明確時，神經網路也能夠尋找最接近的匹配值。即使是一些處理單元發生故障或完全失效，網路也能根據它的預設誤差發揮作用。神經網路能夠從單獨的例子中提取廣義相關性。它的模型是通過學習和訓練建立起來的。假如用許多輸入輸出對（輸入向量和目標向量）訓練一個網路模型，它就能夠從未訓練的輸入值中得到正確的輸出值。

目前，在人工神經網路的實際應用中，絕大部分的神經網路模型是採用BP網路和它的改進變化形式，它也是前向網路的核心部分，並體現了人工神經網路最精華的部分。

BP網路

BP網路是一種多層前饋神經網路，其神經元的傳遞函數是S型函數，因此輸出量為到1之間的連續量，它可以實現從輸入到輸出的任意的非線性映射。由於權值的調整採用反向傳播（Back Propagation）的學習演算法，因此也常被稱為BP網路。圖1給出一個基本的BP神經元，它具有R個輸入，每個輸入都通過一個適當地權值w與下一層相連，網路輸出可表示成：

圖1 BP神經元

岩土工程問題中的土性參數等與其內力、變形間的關係顯然也是一種非常複雜的非線性隱函數，所以完全有可能用人工神經網路來模擬此種複雜的非線性關係，從而準確預測基坑變形。而且作為比較成熟的演算法，Matlab中有神經網路工具箱，這樣就可以藉助Matlab神經網路工具箱的強大功能，從繁瑣的編程工作中解脫出來，大大提高工作效率。

測斜預測模型

岩土工程施工或者監測過程中布置了測斜管，所有孔的測試情況都是類似的，一般每隔1m測讀一次數據，並採用自下而上的數據處理方法，孔口數據再通過經緯儀測讀數據校正，以保證監測數據的精度，減小剛體位移的影響。考慮到計算工作量以及實際工作時間的要求，預測數據以每孔為單位，每相鄰兩個深度構成一個訓練文件，並建立相應的訓練模型。基本程序如下：

⑴每期測斜孔數據的初步分析及資料庫的建立；

⑵建立訓練樣本、測試樣本、預測樣本數據文件；

⑶樣本訓練、測試，並建立訓練模型；

⑷模型預測分析；

⑸編製預測報告。

網路結構如圖2，輸入層有6個神經元（每個深度取前３天的監測結果預測第四天的位移），輸出層有2個神經元，對應變形值，隱層神經元個數依據樣本學習情況實驗確定。這樣每孔的神經網路模型在30至35個左右。每次完成預測成果的時間需要24至48小時。

圖2 多步預測神經網路結構

後記

文中參考文獻：

[1]夏元友,熊海豐.邊坡穩定性影響因素敏感性人工神經網路分析[J].岩石力學與工程學報,2004,23(16):2703-2707.

[2]黃書嶺, 馮夏庭, 張傳慶. 岩體力學參數的敏感性綜合評價分析方法研究[J].岩石力學與工程學報, 2008, 27(1).

[3]徐炳偉,基於神經網路的地下連續牆變形預測[D].碩士學位論文,天津大學,2005.

[4]賀志勇,鄭偉.基於神經網路的深基坑變形預測[J]華南理工大學學報,2008, 36(10):92-96.

限於筆者水平有限，文中表述可能多有不當，懇請諸位讀者批評雅正。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！