BP神經(jīng)網(wǎng)絡(luò)在隧道圍巖穩(wěn)定性分類中的應(yīng)用

劉剛

(大連市勘察測繪研究院有限公司，遼寧大連 116021)

BP神經(jīng)網(wǎng)絡(luò)在隧道圍巖穩(wěn)定性分類中的應(yīng)用

劉剛?

(大連市勘察測繪研究院有限公司，遼寧大連 116021)

將BP神經(jīng)網(wǎng)絡(luò)應(yīng)用于隧洞圍巖分類，BP神經(jīng)網(wǎng)絡(luò)通過學(xué)習(xí)記憶建立輸入和輸出變量之間的非線性關(guān)系。利用淮南洞山隧道圍巖分類樣本進行模擬檢驗，BP神經(jīng)網(wǎng)絡(luò)模型性能良好，對隧道圍巖分類的精度較高，是一種值得推廣和應(yīng)用的圍巖智能分類方法。

圍巖穩(wěn)定性；BP神經(jīng)網(wǎng)絡(luò)

1 引 言

隧道圍巖分類是隧道工程中的重要研究內(nèi)容。合理的圍巖分類，對于客觀反映巖體的固有屬性、深入認識巖體力學(xué)特性和合理選取參數(shù)、制訂巖體工程設(shè)計和施工方案、采取合理的工程處理措施是十分重要的。由于巖體的復(fù)雜性，圍巖分類中存在大量的非確定因素，這大大限制了我們對圍巖類別的認識。神經(jīng)網(wǎng)絡(luò)方法從模擬人腦的形象思維入手，具有非線性、并行性等特點，對于處理具有強噪聲、模糊性、非線性的地質(zhì)體信息。目前廣泛應(yīng)用的神經(jīng)網(wǎng)絡(luò)主要是BP網(wǎng)絡(luò)，本次通過自適應(yīng)的學(xué)習(xí)記憶過程，建立了分類模型，為地下工程圍巖分類提供了新的途徑。

2 影響隧道圍巖穩(wěn)定性因素分析

2.1 內(nèi)在因素

影響隧道圍巖穩(wěn)定性的內(nèi)在因素主要有:圍巖體的結(jié)構(gòu)及優(yōu)勢結(jié)構(gòu)面組合特征、圍巖的巖性特征地下水及天然應(yīng)力場狀況等。圍巖的結(jié)構(gòu)特征主要表現(xiàn)在地質(zhì)構(gòu)造對圍巖巖石質(zhì)量指標和完整性的影響，統(tǒng)計表明圍巖的失穩(wěn)往往是由于圍巖中優(yōu)勢結(jié)構(gòu)面所致。圍巖的巖性特征主要表現(xiàn)在不同的巖性具有不同的抗壓、抗剪和抗拉強度。地下水文地質(zhì)條件主要表現(xiàn)在地下水的軟化作用使得圍巖巖體強度和結(jié)構(gòu)面強度降低，特別是對于膨脹性巖土體(如粘土巖、頁巖、黃土等)的強度和性質(zhì)具有顯著的影響，動水壓力、靜水壓力及滲流場的作用往往也是導(dǎo)致圍巖失穩(wěn)的重要原因[1～3]。

2.2 外在因素

影響隧道圍巖穩(wěn)定性的外在因素主要有溫度、地震、降雨及人類工程活動。由于外在因素的突發(fā)性和不確定性，在研究其影響方式和影響程度時我們通常采用概率統(tǒng)計的分析方法加以處理，本模型不予考慮。

3 隧道圍巖穩(wěn)定性識別BP網(wǎng)絡(luò)模型

3.1 分級指標的選取

在以上分析基礎(chǔ)上，根據(jù)對水工隧道影響圍巖穩(wěn)定性的因素分析，本模型選取了如下輸入、輸出信息作為圍巖體的分級指標。

(1)輸入信息

A為巖石質(zhì)量指標(RQD)；B為巖土單軸飽和抗壓強度Rc(MPa)；C為完整性系數(shù)Kv；D為結(jié)構(gòu)面強度系數(shù)Kf；E為地下水滲流量W/(l/min)。

(2)輸出信息

圍巖質(zhì)量等級，輸出層結(jié)果(00001)，(00010)，(001O0)，(01000)，(10000)分別表示第V，Ⅳ，Ⅲ，Ⅱ，I圍巖體。

3.2 樣本的規(guī)一化處理

當(dāng)輸入樣本中存在奇異樣本時，網(wǎng)絡(luò)訓(xùn)練時間將大為延長，為了消除訓(xùn)練時間對奇異樣本的敏感性.我們通常需對輸入樣本進行規(guī)一化處理。收集到的訓(xùn)練資料共19個樣本，表1是訓(xùn)練樣本，表2是訓(xùn)練樣本進行歸一化處理的結(jié)果。16個樣本用于網(wǎng)絡(luò)訓(xùn)練，3個樣本用于網(wǎng)絡(luò)檢驗。

圍巖分類神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)樣本 表1

7 50.0 35.0 0.32 0.35 10.0 Ⅲ8 76.0 63.9 0.65 0.62 10.0 Ⅱ9 23.5 13.4 0.15 0.16 120 Ⅴ10 78.0 58.6 0.57 0.55 10.5 Ⅱ11 81.0 65.2 0.56 0.65 6.0 Ⅱ12 24.2 12.5 0.13 0.18 125.0 Ⅴ13 26 28 0.25 0.30 15 Ⅴ14 85 64 0.36 0.42 12 Ⅳ15 91 48 0.57 0.55 5 Ⅲ16 65 54 0.23 0.51 13 Ⅳ17 87 42 0.58 0.66 12 Ⅲ18 46 38 0.28 0.32 6 Ⅳ19 23 25 0.28 0.17 14 Ⅴ

3.3 模型的建立

筆者在文中建立了三層BP網(wǎng)絡(luò)模型(見圖1)，輸入神經(jīng)元數(shù)為5個，隱層單元數(shù)為11，輸出層神經(jīng)元數(shù)為5個。根據(jù)水工隧道圍巖分類的標準，對樣本數(shù)據(jù)進行規(guī)一化處理后得到的數(shù)據(jù)(表1)作為樣本來訓(xùn)練網(wǎng)絡(luò)。訓(xùn)練結(jié)束時網(wǎng)絡(luò)的目標誤差函數(shù)——均方誤差值為0.000 000 204，誤差已經(jīng)達到了目標誤差(0.000 001)。而且只用了14次循環(huán)就達到誤差要求(圖2)，訓(xùn)練過程只用了幾秒鐘，說明網(wǎng)絡(luò)的效率是很高的。

圖1 圍巖穩(wěn)定性分類系統(tǒng)的BP神經(jīng)網(wǎng)絡(luò)

圖2 網(wǎng)絡(luò)訓(xùn)練過程中的誤差記錄

歸一化處理后的圍巖分類神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)樣本 表2

3.4 網(wǎng)絡(luò)的檢查

學(xué)習(xí)完成后即建立辨識模型，然后選取3個樣本對網(wǎng)絡(luò)進行檢驗，檢驗結(jié)果如表3所示。從表3的檢驗結(jié)果看，圍巖分類神經(jīng)網(wǎng)絡(luò)模型的辨識正確率較高，具有準確、簡便等特點。

神經(jīng)網(wǎng)絡(luò)檢驗結(jié)果 表3

4 應(yīng)用實例

洞山隧道工程為左右分離式單向行車隧道，隧道全長約930 m，屬中隧道。隧址區(qū)地層隸屬華北地層區(qū)、淮河地層分區(qū)，淮南地層小區(qū)。隧址所在區(qū)域內(nèi)，為一走向近東西的淮南倒轉(zhuǎn)單斜構(gòu)造，舜耕山東西向區(qū)域性斷裂從隧道北部穿過。隧址區(qū)發(fā)育的主要地層有:寒武系下統(tǒng)饅頭組、中統(tǒng)毛莊組、徐莊組、張夏組，上統(tǒng)崮山組、土壩組；奧陶系下統(tǒng)賈汪組、蕭縣組、馬家溝組；第四系上更新統(tǒng)(Q3)。前第四系地層總體走向100°，傾向南，傾角75°。

用訓(xùn)練好的隧道圍巖穩(wěn)定性分類BP神經(jīng)網(wǎng)絡(luò)對洞山隧道進行分類分類結(jié)果如表4所示。

富溪隧道圍巖分類結(jié)果 表4

上述圍巖分類結(jié)果與專家意見基本一致，這說明運用BP神經(jīng)網(wǎng)絡(luò)模型對圍巖進行分類是可行的，結(jié)果的準確性是可靠的。因此，BP神經(jīng)網(wǎng)絡(luò)用于隧道圍巖分類的方法值得進一步完善和推廣。

5 結(jié) 論

BP網(wǎng)絡(luò)能夠解決傳統(tǒng)計算方法難以解決的工程技術(shù)問題。網(wǎng)絡(luò)以其高度的非線性映射功能，將各種影響圍巖穩(wěn)定性的因素進行學(xué)習(xí)記憶，克服用單一敏感性指標和模糊主觀判斷，使經(jīng)驗決策定量化、科學(xué)化。在現(xiàn)場識別中，只要訓(xùn)練樣本及輸入?yún)?shù)選取得當(dāng)，都可以提供較為滿意的輸出結(jié)果。且一旦模型建立好后，便可簡潔、方便、快速地應(yīng)用于相應(yīng)領(lǐng)域，因此利用人工神經(jīng)網(wǎng)絡(luò)來研究隧道圍巖穩(wěn)定性具有非常廣闊的應(yīng)用前景。

[1] 于學(xué)馥，鄭穎人，劉懷恒等.地下工程圍巖穩(wěn)定分析[M].北京:煤炭工業(yè)出版社，1980

[2] 林銀飛，鄭穎人.彈塑性有限厚條法及工程應(yīng)用[J].工程力學(xué)，1997，14(2):108～112

[3] 朱素平，周楚良.地下圓形隧道圍巖穩(wěn)定性的粘彈性力學(xué)分析[J].同濟大學(xué)學(xué)報，1994，22(3):329～333

[4] 胡建華，王福壽，張世雄等.地下工程圍巖穩(wěn)定性的MBP神經(jīng)網(wǎng)絡(luò)識別[J].巖土工程界，2001，4(12):63～64

[5] 叢爽.面向?qū)ο驧ATLAB工具箱的神經(jīng)網(wǎng)絡(luò)理論與應(yīng)用(第二版)[M].合肥:中國科技大學(xué)，2003

[6] 聞新，周露，李翔等.MATLAB神經(jīng)網(wǎng)絡(luò)仿真與應(yīng)用[M].北京:科學(xué)出版社，2003

[7] 周志華，曹存根.神經(jīng)網(wǎng)絡(luò)及其應(yīng)用[M].北京:清華大學(xué)出版社，2004

[8] 劉剛.基于BP神經(jīng)網(wǎng)絡(luò)的隧道圍巖穩(wěn)定性分類的研究與工程應(yīng)用.合肥工業(yè)大學(xué)，2007

The BP Neural Network in the Surrounding Rock′s Stability of the Application of the Classification

Liu Gang
(Dalian Academy of Reconnaissance and Mapping Co.，Ltd.Dalian 116021，China)

Application of BP neural networks to classification of surrounding rock of tunnel，established through the learning and memory of BP neural nonlinear relationship between the input and output variables.Use of HUAINAN cave mountain tunnel surrounding rock classification samples for simulation test，BP neural network model has good performance，high precision of tunnel surrounding rock classification，Is a worthy of promotion and application of surrounding rock intelligent classification method.

The stability of surrounding rock；BP neural network

2011—12—07

劉剛(1981—)，男，注冊土木工程師(巖土)，主要從事工程地質(zhì)和巖土工程等方面的研究與工作。

1672－8262(2012)02－167－03

TU457

B