人工神經(jīng)網(wǎng)絡(luò)在基坑支護(hù)施工質(zhì)量評價中的應(yīng)用研究

李佳玉

[摘要]在影響基坑邊坡的各種不確定因素錯綜復(fù)雜評價過程中，以BP神經(jīng)網(wǎng)絡(luò)為主的評價模型存在收斂速度慢，容易陷入局部極值等缺陷。鑒于人工魚群算法在全局尋優(yōu)和收斂速度上的優(yōu)越性，本文提出一種基于人工魚群算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)的評價模型。評價結(jié)果表明，該方法是可行的。

[關(guān)鍵詞]基坑支護(hù)；施工質(zhì)量；應(yīng)用研究；人工魚群算法 文章編號：2095 - 4085（2018） 07 - 0179 - 02

依據(jù)某市水資源可持續(xù)發(fā)展?fàn)顩r，本文對此提出的基坑邊坡穩(wěn)定性方法，基于BP神經(jīng)網(wǎng)絡(luò)進(jìn)行評價。將人工魚群算法引入神經(jīng)網(wǎng)絡(luò)的權(quán)值優(yōu)化過程中，在網(wǎng)絡(luò)計算中，并且通過對BP神經(jīng)網(wǎng)絡(luò)收斂速度慢的特性點，計算結(jié)果表明，該算法在整個計算過程中對最優(yōu)值的優(yōu)化具有準(zhǔn)確、方便、快速的優(yōu)點[1]，為模型建立符合事實進(jìn)行指導(dǎo)作用。

1 人工魚群算法

1.1 人工魚群算法概述

由于魚類數(shù)量最多，在該地區(qū)生活的一般是水體中營養(yǎng)最豐富的，魚類中的魚往往能發(fā)現(xiàn)自己或跟隨其他魚類尋找高營養(yǎng)物。分析的基本前提是建立各因素的本構(gòu)關(guān)系，在此基礎(chǔ)上合理選擇單元仿真模型。目前已有三種模擬方法，可以用大型有限元軟件進(jìn)行分析。模擬的方法主要有三種，可以歸納為以下三種典型行為：①覓食行為②聚群行為③追尾行為[2]。

如果量程不是很小，魚的面積很小，計算機的容量和處理速度都要考慮到整體的模型。在替代整個區(qū)域結(jié)構(gòu)之前，應(yīng)分析差異，判斷所選模型的合理性。

1.2人工魚群網(wǎng)絡(luò)

鑒于人工魚群算法作為一種全局搜尋算法，BP算法收斂速度慢，并且很容易于陷入局部最優(yōu)解的特性，還有極強的全局最優(yōu)解尋優(yōu)性能，因此把他們BP算法和人工魚群算法兩者有機的結(jié)合起來，叫做人工魚群網(wǎng)絡(luò)[3]。

（1）初始化權(quán)值和閾值。在網(wǎng)絡(luò)結(jié)構(gòu)BP（n，q，m）擬定后，隱含層第j單元的激活閾值OjH（j=l，∧，q）及輸出層第k單元的激活閾值0k（k=l，∧，m），網(wǎng)絡(luò)參數(shù)包括輸入i單元到隱含層第J單元的權(quán)值W1（i=1，∧，q；j=1，∧，k）隱含層第j單元到輸出層第k單元的權(quán)值Wjk（j=l，∧，q；k=1，∧，m。

將每條人工魚看一組權(quán)值和閾值，權(quán)值和優(yōu)化的過程就是人工魚不斷改變位置尋找最佳食物源的過程。

假設(shè)人工魚的初始重量是可見區(qū)域的下一個狀態(tài)的隨機選擇，如果結(jié)果表明該狀態(tài)下的食物濃度大于當(dāng)前狀態(tài)下的食物濃度，那么步驟就朝著那個方向前進(jìn)。相反，若是隨機選擇的，經(jīng)過多次的檢查，如果還不滿意，然后隨機步驟。

（2）計算樣本信息。首先向前暗示，通過激活函數(shù)輸出隱藏信息，假設(shè)有總樣本，首先訓(xùn)練樣本信息。

（3）對樣本信息進(jìn)行計算。首先向前傳播到隱含上，經(jīng)過激活函數(shù)f（x）的作用得到隱含層的輸出信息，假設(shè)總計有p個式樣標(biāo)本，輸?shù)趓個（r=1，∧，p）訓(xùn)練標(biāo)本信息。Hir=f（∑WljXir-OjH），（j=1，∧，q，r=l，∧，p.

}2l

（1）激活函數(shù)f（x）一般采用型Sigmoid，即

從輸出信息傳到輸出層，可得到最終輸出的隱含層結(jié)果為：

如果網(wǎng)絡(luò)輸出與期望輸出間存在一定的誤差，則將誤差反向輸入，利用公式來調(diào)節(jié)網(wǎng)絡(luò)權(quán)值和閾值：

上訴過程就是網(wǎng)絡(luò)學(xué)習(xí)的信息正向輸入行為，另一個行為為誤差反向輸入過程。

在滿足一定誤差滿足的要求下，多次計算以上兩個過程，直至出現(xiàn)網(wǎng)絡(luò)輸出與期望輸出間值。

1.3確立相應(yīng)模型

典型的工作有理論研究是三種行為的基礎(chǔ)，其理論基礎(chǔ)也通過數(shù)值計算和結(jié)構(gòu)相互作用計算。由于行為的復(fù)雜性還沒有像其他樣本那樣獲得完美的模型關(guān)系，許多學(xué)者已經(jīng)開始從宏觀和微觀兩個方面建立和研究模型。典型的工作

雖然考慮了這些因素的物理非線性，但本構(gòu)方程受到非線性本構(gòu)理論的限制。

在實驗中，易分化的變化分為三個階段。該模型在低速計算的作用下表現(xiàn)出很強的特性。在大區(qū)域結(jié)構(gòu)的情況下，應(yīng)從區(qū)域條件、區(qū)域的合理模擬和樣本因素等方面進(jìn)行分析，分為三個階段，其中一個階段是初步的。第二階段是第二階段，又稱穩(wěn)定狀態(tài)；第三、三階段是最后階段，即不穩(wěn)定階段。

2 基坑支護(hù)評價

這種方法簡單模型，結(jié)合實際情況，本文采用人工魚群算法對基坑支護(hù)的評價指標(biāo)數(shù)據(jù)的處理也更輕便，當(dāng)然，也有一些缺點，位置可左右移動，當(dāng)實體單元不夠緊密，但誤差在可接受的范圍。這種方法是解決形式復(fù)雜且數(shù)量很多時的較佳方法。

2.1選取評價標(biāo)準(zhǔn)

在這一部分，人工魚群算法應(yīng)用于基坑支護(hù)參數(shù)優(yōu)化特性評價基坑支護(hù)工程的評價標(biāo)準(zhǔn)、評價指標(biāo)和六級五。這里輸入的層為1層素填土、2層粉土、3層粉土、4層粉土、5層粉土、6層粉質(zhì)粘土與粘土輸出為基坑支護(hù)評價等級。將人工魚所代表的權(quán)值w、權(quán)值v設(shè)置為20組，可視域Visual=1.5，擁擠度因子δ=0.7，最大步長Step=0.5。迭代次數(shù)Num=10000。

2.2樣本生成

生成的計算樣本，由此得出的計算樣本是在五個指標(biāo)的六級水平基礎(chǔ)上，在指標(biāo)每一級的標(biāo)準(zhǔn)值范圍內(nèi)進(jìn)行的，隨機生成六個樣本，六級標(biāo)準(zhǔn)總共生成二十個建模樣本。

2.3結(jié)果分析

兩種實驗方案的運行可見用基坑支護(hù)評價的個建模樣本，將評價指標(biāo)數(shù)據(jù)規(guī)范化后，BP，AF - BP模型可持續(xù)評結(jié)果對比，其中一級（ BP3. 17，AF -BP3. 96）二級（BP2. 17，AF - BP2. 96）三級（BP3.27，AF - BP3. 94）四級（BP3. 47，AF - BP3. 98）五級（ BP3. 23 ，AF - BP3. 86）六級（BP3. 43， AF - BP3.76）。

通過比較不同二種神經(jīng)網(wǎng)絡(luò)，精度更加準(zhǔn)確，收斂速度更好，得出人工魚群AF -BP神經(jīng)網(wǎng)絡(luò)對基坑支護(hù)的評價效果很好，優(yōu)于經(jīng)典BP神經(jīng)網(wǎng)絡(luò)。

3 結(jié)語

本文應(yīng)用了人工魚群算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)評價模型，并用于基坑支護(hù)評價，結(jié)果表明，此方法具有魯棒性好，全局收斂性好，收斂速度快等優(yōu)點，對其評價等級進(jìn)行比較，進(jìn)一步顯示出該方法的優(yōu)越性，不失為在基坑支護(hù)施工過程中，由于切實采取技術(shù)措施，在施工過程中杜絕了失穩(wěn)的產(chǎn)生，為工程的加固設(shè)計提供參考依據(jù)，并對管理具有指導(dǎo)意義。

參考文獻(xiàn)：

[1]郭繼秋，唐慧哲.工程項目成本管理[M].北京：化學(xué)工業(yè)出版社，2005.

[2]侯志榮，呂振肅.IIR數(shù)字濾波器設(shè)計的粒子群優(yōu)化算法[J].電路與系統(tǒng)學(xué)報，2003，8（4）：16 -19.

[3]李曉磊，邵之江，錢積新，一種基于動物自治體的尋優(yōu)模式：魚群算法[J].系統(tǒng)工程理論與實踐，2002，22 （11）：32 - 38.