文摘
针对神经网络问题,现场试验和数据模拟研究提出了根坑的支持系统。首先,在一些困难的情况下,BP算法通常是由于低水平的训练,从而改变学杂费。第二,BP算法可以把重物和特效,但是渐变过程将产生局部最小值,因此无法保证误差最小。实验反应和BP神经网络的仿真数据基坑支撑体系进行了分析,实验数据记录。最后,从实证的角度,带来的结果中央支持系统的现场试验,最终决定,促进人类生活的发展。繁殖基因估计算法的神经网络,估计时间是10年代,预测误差之间的浮点数根−0.05 - -0.05毫米,误差为0.36%附近的最大相关性,近似IA值高于0.9。
1。介绍
早期神经装置的研究可以追溯到1940年代。下面是一个历史发展的神经网络设计,和短暂的熟人介绍的具体点的研究成果在适当的时间。1943年,心理学家w . McColloch和神经元的数学逻辑学家w·贝茨建立了一个数学模型,从分析和写作的神经元。这个项目从理论讨论神经网络研究在工程实践的第一位置。在此期间,世界各地的许多组织跟踪传感器的发展研究是至关重要的词识别,语音识别,声纳信号识别、学习、记忆。许多人错误地认为,数字计算机情报可以解决各种各样的问题,设计知识,专家,等等,而不关注技术的未来的工作。第二,电子水平回归。的主要组件是管或晶体管。
在人工神经网络的发展历史,没有有效的算法被发现隐层的重量改变连接了很长一段时间。之前的引入误差反向传播算法(BP算法),多层神经网络的权重调整问题成功解决了连续非线性函数。学习BP神经网络(扩散),也就是说,误差反向传播算法的过程中,由information-forward传播和误差反向传播(1]。在你的问题,请首先找到一些特定的问题和相应的评估数据的属性用于神经网络的训练。尽管BP网络是广泛使用,它主要有一些缺点和不足,包括以下方面。这个问题可以解决额外的动力。第三,没有理论指导的选择网络的隐藏层和的数量单位。一般来说,这是基于重复经验和经验。因此,网络往往是多余的,在线学习的负担也会增加。
Csatho(1994)应用完整的拉格朗日描述有限变形理论的方法,进行了基坑工程的数值模拟分析,并提出了基坑的深度超过10米,如果不考虑几何非线性,它甚至会导致大型计算错误和错误的结果(2]。根据非线性流变学的概念,他和郑建立了一个有限元分析二次初始应变的非线性流变学的方法,结果表明,支承结构的侧向位移的计算将成为小如果不考虑软土的非线性流变学(3]。王et al。(1998)提出了动态施工反演分析的概念,也就是说,逐步开挖和road-by-lane支持的动态施工因素介绍了传统的逆分析过程,为了获得实际施工情况的模拟仿真,这对变形预测提供了可靠保证在接下来的施工阶段(4]。燕和荀(1999)从流变学的角度,提出了有关计算公式土压力的耦合,位移和时间,它有一定的实用科学意义进行进一步讨论土压力的计算方法(5]。冯(2000)进行了研究和分析问题的内力比测量基坑工程的支护结构小,而用经典土力学理论计算值很小,并指出一些可能的影响因素。长期争论的问题“水土计算”和“水土单独计算,”指出“水土划算”可能有一定的微观基础,这将是一个主题(需要进一步研究6]。谢et al。(1988)利用离心模型试验技术方案,通过设置液体从底部流出,土开挖模拟的过程,以及大量的连续进行了实验观察,并得出了一些有用的结论7]。Mori et al。(1993)分析了渗流对土压力的影响,利用有限元技术,及其分布规律,挡土墙侧向位移,墙背后的土壤沉降有重要影响(8]。林et al .(1999)分析了土壤强度各向异性的影响,非均质性,和挡土墙深度对基坑的稳定性建设基于上限理论,并与数值分析方法的结果和解释它的优点和缺点9]。
基于当前的研究中,作者发表的研究实验和数据模拟根坑的支持系统。根据项目的实际情况,制定一个有效的现场管理计划。通过形势的分析和数据的分析,集团内部力量和支持了基坑的施工将更改正确。数据显示,在开挖基坑的土压力的变化。常规的低成本和支持可以完全控制。同时,观察结果可以与仿真结果分析,证实了仿真结果的准确性和精度。
2。现场测试和数据模拟基坑的基于BP神经网络的支持系统
2.1。本研究的目的和意义
为了确保基础工程的安全建设和周边环境的安全,有必要评估和监测应变(或大变形)在深基础系统支持和基坑开挖,并使用预测和评价结果将施工安全与成功。由于许多不确定因素,如坚实的基础建设环境,明确时间、缺乏设计经验,设计和施工的基础项目隐瞒安全特性或没有工程成本。特别是中央坑工程在繁荣的城市的一部分,其复杂施工条件,复杂的地下管道,和严格的环境法规(如沉降和侧向运动在房子周围)支持一组分析理论。满怀信心,以模拟和识别基础工程的设计与施工,通过分析结果,我们可以了解基坑工程的薄弱环节,加强保护和测量的压力,并让坑工作中心,建筑安全与经济(10]。
2.2。作者的研究的内容
基坑工程的发展历史和基坑工程设计理论系统地阐述并指出数值分析方法的重要性在基坑工程设计理论,结合其他学者的先前的研究和分析结果,利用有限差分数值分析方法。基坑工程的数值模拟分析的2号重工厂,分析结果和实验结果表明,仿真分析才能真正反映基坑工程施工的动态平衡过程和挖掘,以及各种外壳结构的应力-应变规律这种平衡的过程。细节如下:(1)概述基坑工程的产生的原因和研究历史的基坑工程设计理论指出数值分析方法的功能和意义的仿真分析基坑工程。(2)这项研究描述了现场测量的设计方案,基坑工程,和监测仪器被安排在指定点外壳系统结构监测数据通过实际工程施工期间现场测量计划的圆形深基坑二号工厂。变形法(应力场位移变化曲线,曲线)的维护系统结构基坑项目的进一步分析和研究。(3)使用有限差分程序FLAC3D软件进行数值分析和仿真的圆形深基坑二重在工厂,全面考虑各种外部因素,不同的施工方案,以及应力-应变(位移)的法律维护系统结构的前提下建设步骤,在建设和发挥实时指导的作用。(4)通过现场测量和数值模拟分析,结构比较两个结果之间的差异进行了分析,和常见的变形机制信封的结构,并提出了建议和前景为将来进一步的研究。
2.3。基坑支撑结构体系
35 m淬火装置的深基坑采用排桩咬合的围栏系统[11]。支持内部的基坑钢内部支撑环梁和为了达到减少基坑开挖的支护桩的侧向位移的目的和背后的土桩,整个基础支护结构是连续桩墙+内部支持。排桩墙采用连续排桩和高压旋转射流的组合桩形成地下连续结构体系,体系结构具有很大的刚度和止水会加倍。
排桩墙由58行桩相互重叠的平面形状的词“销”,桩身40.5米长,桩底是嵌入式3 m在基坑底部。高压impact-forming洞形成的排桩和水下浇注。施工顺序是影响孔间隔(打一个接一个),然后降低prerolled钢笼入洞,正确的钢笼子里的位置,最后倒C30商品混凝土,混凝土达到一定强度后(考虑到天气施工期间,通常约75% -85%的设计强度在一天之内),然后影响孔的间隔hole-forming成堆。施工过程是一样的,由于外排桩和内部排桩紧密,和高压旋喷桩的直径500 mm之间是由外部行和内排桩,形成一个止水带窗帘(12]。
冠梁设置在桩的顶部,宽度为1.8米和1.0米的高度。内部支持采用环形箱形梁,共有5个层次,每个层次的支持构造和环梁焊接现场通过六个部分。内心的深处支持7.8米,13.6米,19.4米,24.4米,分别和31 m(从地上所有的计算)。其中,设计第三维度支持的深度7.8米,13.6米,19.4米是400×300×14×14(宽×高××壁厚壁厚度,在毫米),24.4米,3 l m深度内支持设计大小为600×550×16×16(同上)。
3所示。用于实验和研究问题的协议
3.1。影响基坑变形的因素信封
信封结构变形的主要影响因素包括工程地质、水文地质条件的基坑;支持类型和结构设计参数;平面尺寸和基坑的开挖深度;和网站的建设过程和周围环境(13]。施工期间的影响;地面超载和振动载荷;支持条件;外壳结构的刚度;深坑的底部下面的附件;土层强度(包括土壤凝聚力c、内摩擦角等);和地下水的影响等。
3.2。网络结构的确定
基坑的围护结构的变形是各种影响因素的综合作用的结果(14]。结合实际情况,四个具有代表性的指标,包括施工期间(T),挖掘深度(D)、地下水位(W)和当前温度(C)选择从各种因素作为网络的输入。变形年代在一定的高度CX15测点选择作为网络的输出(15]。隐层,节点的数量是10 ((2n+ 2),在输入层神经元的个数n,在各种影响因素信封的变形结构,工程地质和水文地质条件的基础上,支持的类型和结构设计参数,地面超载和振动载荷,土层强度(包括c土壤、价值等)有一个平等的对每个样本的观测变形的影响;因此,其影响变形结果时不考虑选择的影响因素。为了确定变形(年代)在17.5米的高度CX15测点与建设时期(客观的相关性T),挖掘深度(D)[16),地下水位(W),和空气温度(C),进行相关分析,分别和相关系数越大R2,两组统计数据之间的相关性。可以看出,温度(C)的变形有很大的影响(年代)在17.5米的高度CX15测点,在施工期间(T),挖掘深度(D),地下水位(W)有很大的影响,很明显(17]。
3.3。网络的训练和测试
把收集到的15个不同的工作条件,墙的变形监测值CX15测点神经网络的样本,NNBP1.0程序由Visual c++开发的用于研究和测试。当网络迭代10000次或目标函数εAV小于预定的ε= 1 0×106的循环,培训结束了。从比较的实际输出和期望输出学习训练样本,最大的区别是0.93%,平均误差为0.17% (18]。从表中可以看出,的值非常接近,表明拟合精度的模量相对较高。BP网络实现从输入p-euclidean空间降维映射到输出维欧几里得空间;因此,它可以用于非线性分类、预处理,等等,一个函数计算器,它能以任意精度逼近任意非线性函数(19]。
基坑的现场测试和数据仿真支持系统基于BP神经网络在图所示1。
从图可以看出,最优支持方案包括安全、经济、可行性、安全性包括信封的力量本身的安全,维护结构的稳定,安全的坑,周围的建筑和地下管线的安全20.]。经济学包括施工成本和施工期间,和可行性包括现场条件,施工方便,基坑规模。
现场测试和数据模拟基坑支持系统是基于BP神经网络,如图2。
具体来说,它包括输入每个程序的相对优势目标,确定初始指标的权向量,计算隐层32。C= 26 kPa;粉质粘土= 14。C= 36个kPa;细沙= 32 (21]。适用的原则定性和定量计算排名的重要性指标设置和确定的初始权向量模型中三个子系统W= (Wl2,3)=(安全、经济可行性)= (0.40,0.18,0.42)22]。
具体的公式和算法的现场测试和数据模拟基坑支持系统的BP神经网络的关注:(1)第一隐层节点的输入k1是米l -;=。的公式,米时的节点数量在第一层都包含在第二层。所示的输出(1): (2)隐藏层节点的输入k2所示(2): (3)第二层节点的数量包括在第三层。所示的输出(3): (4)为输出层,只有一个节点 ,所示的输入(4): (5)z是第三层的节点数。所示的输出(5): (6)在上面的公式中,节点之间的连接权重我和l。这是重量季节节点之间的连接l和k2;家庭2和节点之间的连接权值 ,需要满足公式(6)和(7): (7)为了使方案最优,平方误差网络的实际输出与期望输出米的方案应最小化,马=高(M (ut /))是最小的,这可以通过调整网络的连接权值。应用梯度下降法,调整数量的重量所示的连接(8)和(9): (8)通过隐函数的推导过程,隐层节点的权重调整公式和输出层节点P是见公式(10): (9)同样,体重调整公式的输入层节点我和隐藏层节点见公式(11): (10)对于不同的支持计划,最终的输出网络,即可以获得相对优势度根据上述步骤。最大的一个是选择深基坑支撑计划(23]。程序优化和反馈计算过程见公式(12):
3.4。实验方法验证方案
BP神经网络技术用于预测和模拟矩阵的变形可能在未来,做一个好工作的支持和维修周期,减少支持和维修的难度,并护送根坑的安全。时域的分析(时间序列)特性,空间域(仅相邻点)特性,时域和空间域处理集成特性模拟和基于工程实例研究了很多次了。用于估计水平,垂直,舟山基地测点的变形,而支持向量机回归(SVR)和随机森林回归(RF)方法(24进行了。多维体验,仿真结果显示了预测算法和基于遗传繁殖神经网络。估计时间是10年代,预测误差浮动在0.05−-0.05毫米,最大相对误差为0.36%,和近似IA值高于0.9。这种方法不仅提供了支持保护管理安全模型也为中央健康管理系统,提供了新的视角。
3.5。实验结果
从最简单的预测,分析估计CX15措施水平位移,震源深度为17.5米。第一个12组数据在15组数据被选为标准的学习材料,最后被选为标准化考试的三组数据(25]。课程和培训材料表中列出1:
根据表1,可以看出NNBP1.0程序使用Visual c++开发,和训练样本需要规范化。第一组数据训练后输入NNBP1.0程序,可以进行训练。学习和培训完成后,神经网络的学习和训练样本就形成了。接下来,让训练神经网络预测最后三组数据,和规范化的结果预测建筑物的水平位移包络线是0.788279884,0.968068530,0.863980 662年,然后非规范化得到最终结果:20.4毫米3月21日;22.0毫米3月25日;3月28日,24.2毫米和测量值如下:20.4毫米3月21日;在3月2日22.3毫米;3月28日和24.9毫米。可以看出,预测的值非常接近实际值。
当估算和分析上述数据,前10组、11组,12组,13组,和14组用于模型的课程,而后者数据估计。结果如表所示2:
从表可以看出2是完全可行的,使用神经网络方法建立了上面做出短期预测基坑变形的信封,并且非常有效。然而,相对而言,长期预报值有较大的误差。与此同时,它也表明,尽管神经网络方法可以有效地进行变形预测,现场监测工作仍然需要执行。
隐层神经网络的预测水平位移和沉降预测设置为5 - 14,和输出的误差标准偏差值如图3:
从图可以看出3当隐层神经网络的预测水平位移是设置为7,输出的误差标准偏差值是最小的,而神经网络的预测沉降,当隐藏层的数量是9,输出值是最准确的。因此,隐藏层的数量设置为两个7岁和9岁。
BP网络是一个多层前馈神经网络,包括访问过程中,加密(中间)过程,和发布过程,加密过程可以是一个或多个集。一般来说,我们的层BP神经网络可以很容易地解决大多数问题。完全连接层的BP网络,和每一层的神经元相互连接。如图4:
从图可以看出4,1是一个但是BP网络的隐层(中间层)是两层,这一层的神经元数量是3,和输入和输出神经元的数量是2。正常化后BP网络,每个神经元响应输入,通过输入层和信号传播,从隐层到输出层(中间层),根据减少的原则,期望输出和实际输出的区别,通过释放过程,从中间过程,最后回到输入层,调整每个连接一层一层地的重量,传播后,这种算法称为错误恢复。算法,简称BP算法,不断改善网络的准确性对输入的重复错误的反应仍在继续。
BP网络的隐层使用不同数量的神经元;输出层使用不同的传输函数和不同的训练函数,并得到了以下一系列的实验结果,如表所示3:
输出层的传递函数是Purelin, trainingdx训练函数,和目标误差小于0.0002。从图可以看出4在相同的条件下,讨论问题,输出层传递函数tansig和纯林有什么影响对整个网络。
如果目标误差的精度不是很高,隐层神经元的数目的BP网络是8,这是最合适的,和网络结构相对简单,收敛速度也快。如表所示4:
从表可以看出4的传递函数输出层tansig tra ingdx和训练函数。如果目标误差的精度高,对讨论的问题,隐层神经元的数量是16是最合适的,和近似误差E小,收敛速度要快得多。
根据上面的一系列实验,以及训练速度,计算,和内存需求的各种算法,BP网络的隐层神经元的数量净我们设计设置为16,如表所示5:
从表可以看出5输出层的传递函数是tansig,目标误差小于0.00002,隐层神经元的数量是16。
从数据可以看出5和6tra ingd,交易ingda, traingdm是可怜的训练函数收敛时间长和大的近似误差E,而交易inrp训练功能,交易incg, ftra incgp,交易incgb,交易inscg, trainbfg,和交易inoss平均表现,trainlm是一个更好的训练函数,收敛时间很短,和近似误差E非常小。
4所示。结论
首先,深基坑工程的特点和人工神经网络变形预测详细总结。测量应用研究现状评估。的基础上,阐述和分析神经网络的一般原理,综述了人工神经。人工神经网络的优点进行了分析。其次,进行更全面的分析,并总结了影响深基坑支护变形的主要因素,并建立了深基坑支护与层次分析法。评价指标体系的量化标准的评价体系,然后有些人捡起。深基坑为例,深度土壤具有不同的水平位移数据监测日期从调查获得的洞。作为本文的训练样本数据,深基坑的变形影响因素选择保留的基础上建设。评价指标体系和量化标准被分配值,分别,作为网络的输入层神经元。在不同深度土壤的水平位移作为网络的输出层神经元,并使用Matlab工具箱和编写应用程序与动量梯度下降不断调试的参数神经网络。 Finally, 48 network models are determined to predict the horizontal displacement of the soil at the different depths and verified the validity of each model.
从BP神经网络的不可预测性,前三个数据监测中心坑顶的水平位移和稳定的佛山建筑结构的水平位移和便利16-dollar测量点估计相应S03测量点进行了分析。第一个数据是提前录制,然后识别的BP神经网络,训练,短期使用和测试,最后确定水平和垂直系数。
数据可用性
没有数据被用来支持本研究。
的利益冲突
作者宣称没有利益冲突与任何金融机构有关本文中报告的材料。