论文部分内容阅读
近年来,随着高层结构、大跨度结构的发展,基坑工程越来越复杂,基坑工程的安全施工成为工程建设中面临的重大问题。根据深基坑的位移监测数据,建立基坑水平位移的预测系统,及时将预测结果反馈给施工、设计单位,有利于及时调整施工方案、优化设计,减少基坑施工的安全隐患,对基坑工程建设具有重要的工程意义。
本文主要通过神经网络的优化研究,来建立基坑水平位移的预测系统。本文主要从以下几个方面进行了探讨:
首先在阐述神经网络一般原理的基础上,研究了在基坑变形预测中影响神经网络模型精度的主要因素。在此基础上,用自编的“变神经元”程序,分别对BP神经网络和RBF神经网络从网络结构和训练方法两个方面进行了网络优化研究,并将网络优化研究成果应用到南宁某基坑的水平位移预测系统建立中。最后以南宁某基坑的8#测点为例,较详细地论述了建立基坑水平位移预测模型的步骤和实现方法,分别采用优化的BP神经网络和RBF神经网络对该基坑的水平位移进行了预测,并将预测结果与监测位移进行了对比分析。
通过本文研究,主要得到以下结论:
采用BP神经网络建立基坑水平位移预测模型时,其训练函数的选取、神经元个数的选取以及输入输出向量的确定,对网络的预测结果有直接影响。LM训练法是最优的训练方法。
采用变神经元程序,可以快速确定BP网络的中间层的神经元个数以及最优的网络结构,是一种值得推广应用的方法。
BP神经网络建模中影响模型预测精度的主要是中间层神经元的选取和训练方法的选取,RBF神经网络则为分布密度SPREAD的选取,分布密度SPREAD选取越小,其精度越高。一般选为0.1~10。
BP神经网络和RBF神经网络都适合预测基坑的变形,比较结果表明,RBF神经网络训练时间明显减少,训练的精度也更高,其预测的结果比BP神经网络预测结果更好,是一种更适合预测基坑变形的方法。