基于神經(jīng)網(wǎng)絡(luò)與灰色理論的工程巖體分級

張兆省 來光 厲從實 聶勝立 皇甫澤華

摘要：建立巖體分級結(jié)果與巖石強度、巖體完整度、地下水分布等影響因素間的非線性映射關(guān)系，對大型水利水電工程的巖體質(zhì)量分級工作具有重要意義。以前坪水庫壩址區(qū)工程巖體為例，采用灰色理論對影響因素及對應(yīng)結(jié)果進行聚類劃分，構(gòu)建灰色理論巖體質(zhì)量分級體系：以類似工程巖體數(shù)據(jù)作為輸入樣本對BP神經(jīng)網(wǎng)絡(luò)進行訓(xùn)練，擬合各影響因素與分級結(jié)果之間的函數(shù)關(guān)系，并構(gòu)造特定網(wǎng)絡(luò)，最后將研究區(qū)巖體數(shù)據(jù)作為檢驗樣本進行分級。與比傳統(tǒng)工程巖體質(zhì)量分級方法比較表明：新的模型能最大限度利用勘察數(shù)據(jù)庫，且分級結(jié)果與傳統(tǒng)方法基本一致，少數(shù)巖組偏向于經(jīng)濟性。

關(guān)鍵詞：巖體分級;灰色理論;BP神經(jīng)網(wǎng)絡(luò);不確定性分析

中圖分類號：TV221.2

文獻標志碼：A

doi：10.3969/j .issn. 1000- 1379.2019.01.021

工程巖體分級就是根據(jù)巖石力學(xué)性質(zhì)、巖體完整性、地下水環(huán)境和地應(yīng)力條件等因素，將巖體劃分為若干級別。其意義在于使專業(yè)技術(shù)人員對巖體的宏觀工程特征進行標準化掌控，為施工方案的設(shè)計和施行提供依據(jù)[1]。自18世紀末，國內(nèi)外各領(lǐng)域?qū)W者提出的巖體分級方法不勝枚舉，但當前對于工程巖體級別劃分仍缺乏統(tǒng)一的標準。20世紀70年代以來，巖體分級由單指標向多指標綜合、由定性發(fā)展到定量階段，各種工程巖體分級法都用定量值表示巖體特性[2]。當前國內(nèi)巖土工程界流行的巖體質(zhì)量分級方法主要有巖石質(zhì)量指標RQD分級、Bieniawski提出的地質(zhì)力學(xué)分級方法（Geomechanics Classification System.即RMR法）[3]、國標BQ分級法、Barton巖體質(zhì)量指標Q分級法等。然而，在實際項目中，現(xiàn)場地質(zhì)條件往往具有高度的復(fù)雜性和不確定性，上述幾種方法僅能從少數(shù)影響因素方面建立工程巖體質(zhì)量評價體系，且受限于施工成本及勘察手段，在第一時間獲取現(xiàn)場所有影響巖體質(zhì)量的全部數(shù)據(jù)并不具備實際可操作性，故工程巖體級別劃分存在很大的主觀性和模糊性。

統(tǒng)計結(jié)果表明：影響巖體質(zhì)量的各因素組成的數(shù)據(jù)庫與其對應(yīng)的巖體分級結(jié)果存在某種映射關(guān)系，采用一定的分析方法可擬合它們之間的函數(shù)關(guān)系，從而根據(jù)影響因素指標劃分其對應(yīng)的圍巖級別。鑒于各巖體質(zhì)量影響因素間具有空間關(guān)聯(lián)不明確、隨機性和模糊性等特點，筆者采用灰色系統(tǒng)理論（ Grey System Theo-ry）[4]和人工神經(jīng)網(wǎng)絡(luò)（Artificial Neural Network，ANN）分別構(gòu)建工程巖體質(zhì)量分級體系，并對前坪水庫壩址區(qū)巖體質(zhì)量進行了分級，與傳統(tǒng)方法進行對比驗證了灰色理論與神經(jīng)網(wǎng)方法的可行性和有效性。

1 理論模型

1.1 灰色理論模型

灰色系統(tǒng)理論由著名控制論學(xué)者鄧聚龍于1982年首次提出，該理論適用于對樣本不豐富、因素空間關(guān)聯(lián)不明確、信息不完全的系統(tǒng)進行有效分析和控制[5]。應(yīng)用該方法可通過巖體力學(xué)指標、地下水環(huán)境、相應(yīng)的巖體級別等已知信息來分析各影響因素與巖體分級結(jié)果之間的潛在關(guān)聯(lián)，從而達到整合巖體質(zhì)量評價體系，實現(xiàn)多因素綜合巖體分級的目的。灰色理論的主要思想是：最大限度地利用、分析系統(tǒng)中的已知信息和規(guī)律（白色信息），規(guī)避未知信息（黑色部分），盡可能發(fā)掘、提取不確定信息（灰色部分）中的有效部分，形成有效信息網(wǎng)絡(luò)鏈條，實現(xiàn)對信息系統(tǒng)的決策與控制。

（6）聚類，即統(tǒng)計灰類信息中各聚類對象數(shù)據(jù)的上限值，即該對象相應(yīng)的級別。

1.2 BP神經(jīng)網(wǎng)絡(luò)模型

BP神經(jīng)網(wǎng)絡(luò)模型為當前應(yīng)用最廣、發(fā)展最成熟的一種人工神經(jīng)網(wǎng)絡(luò)模型，由三層及以上結(jié)構(gòu)組成，分別為輸入層、輸出層和位于中間的隱含層[7-9]，單個節(jié)點（神經(jīng)元）只與相鄰層面內(nèi)的單個節(jié)點相連。由輸入層經(jīng)過隱含層向輸出層傳遞信息（正向傳播），當輸出信息誤差不滿足期望輸出時，則誤差信息會從輸出層經(jīng)隱含層反饋給輸入層（反向傳播）。通過正、反向信息傳播，系統(tǒng)自動執(zhí)行誤差函數(shù)梯度下降算法，至最終完成信息提取和記憶過程，模型結(jié)構(gòu)如圖1所示。

以最快速下降法為主要思想.BP神經(jīng)網(wǎng)絡(luò)無需事先假設(shè)輸入層與輸出層之間的數(shù)學(xué)模型，只需對足夠的樣本數(shù)據(jù)進行訓(xùn)練，反復(fù)修正網(wǎng)絡(luò)的閾值及權(quán)限，即可建立層間的非線性映射關(guān)系，實現(xiàn)對信息系統(tǒng)的有效掌控。其數(shù)學(xué)表達式為

對樣本數(shù)據(jù)進行訓(xùn)練的過程中往往會出現(xiàn)“過擬合”現(xiàn)象，即節(jié)點誤差E1很小，E2卻不滿足要求的情況。此現(xiàn)象通常是網(wǎng)絡(luò)的閾值及權(quán)限與客觀事實不符導(dǎo)致的，需進一步調(diào)整。只有E1和E2同時在誤差范圍內(nèi)時該模型才具有實際應(yīng)用價值[11]。

2 實例分析

本文選取河南省洛陽市前坪水庫工程壩址區(qū)各巖組為研究對象，根據(jù)現(xiàn)場勘察及室內(nèi)試驗成果，分別應(yīng)用灰色理論模型及BP神經(jīng)網(wǎng)絡(luò)對各組巖體進行質(zhì)量分級，對比《水利水電工程地質(zhì)勘察規(guī)范》（GB50487-2008）巖體分類方法、國標BQ分類、Q分級法結(jié)果，分析上述理論模型的適用性。

前坪水庫位于淮河流域沙潁河支流北汝河上游汝陽縣境內(nèi)，是一座以防洪、灌溉為主，兼顧供水結(jié)合發(fā)電的綜合利用型水庫。水庫總庫容5.9億m，最大壩高90.70 m，規(guī)模為大（2）型，工程等級為Ⅱ等。壩址區(qū)位于華北地層區(qū)豫西分區(qū)、中朝準地臺南緣，華熊臺緣坳陷的崤山一魯山拱褶斷束上，屬于中、低山地貌區(qū)。區(qū)域內(nèi)地質(zhì)構(gòu)造復(fù)雜，地表水量豐富，徑流排泄條件好。地層以中元古界震旦系熊耳群馬家河組（Pt2m）安山玢巖和第四系松散地層為主，巖體質(zhì)量情況變化較大，穩(wěn)定性問題突出。

2.1 研究區(qū)巖組劃分

根據(jù)前坪水庫壩址區(qū)出露巖性及工程地質(zhì)特征，將該區(qū)巖體分為礫巖與泥巖組、安山玢巖組、凝灰?guī)r組、輝綠巖組、橄欖玄武巖組及斷層破碎帶組6個工程地質(zhì)巖組。各組巖性及特征見表1。

2.2 灰色理論巖體分級

將前坪水庫壩址區(qū)6個巖組作為灰色聚類的對象，用p表示（p=①，②，…，⑥）;影響巖體質(zhì)量的主要因素（本文選擇RQD、濕抗壓強度R、完整性系數(shù)K、結(jié)構(gòu)面強度系數(shù)K、地下水滲水量W五個指標）建立模型，用q（q=1，2，…，5）表示聚類指標[12-13]，結(jié)合傳統(tǒng)分級經(jīng)驗，將巖體質(zhì)量等級劃分為穩(wěn)定、基本穩(wěn)定、穩(wěn)定性差、不穩(wěn)定及極不穩(wěn)定5級，用K表示（K=I～V）。依上述灰色系統(tǒng)理論方法對壩址區(qū)各巖組進行分類，不同巖組巖體穩(wěn)定性評價因素指標見表2。

2.3 BP神經(jīng)網(wǎng)絡(luò)巖體分級

由于樣本中各影響因素的觀測值具有相異的數(shù)量級和單位，因此數(shù)據(jù)間不具備等效性。為保證神經(jīng)網(wǎng)絡(luò)訓(xùn)練正常并最終收斂，須對樣本原始數(shù)據(jù)進行歸一化預(yù)處理[14].得到無量綱數(shù)據(jù)，以消除其中的不合理現(xiàn)象，提高處理數(shù)據(jù)的精度。歸一化公式如下：

將影響工程巖體分級的因素如單軸抗壓強度、完整性系數(shù)、主要結(jié)構(gòu)面傾角、地下水和地應(yīng)力作為BP神經(jīng)網(wǎng)絡(luò)的輸入樣本集，將相應(yīng)巖體級別值作為輸出樣本集，同時把安徽省寧績高速公路巖體分級數(shù)據(jù)庫作為訓(xùn)練樣本子集，將前坪水庫壩址區(qū)6個巖組的巖體數(shù)據(jù)作為檢驗樣本子集。前坪壩址區(qū)圍巖神經(jīng)網(wǎng)絡(luò)分級結(jié)果見表3。

2.4 對比分析

采用灰色理論及BP神經(jīng)網(wǎng)絡(luò)對前坪水庫壩址區(qū)各巖組進行分級，與《水利水電工程地質(zhì)勘察規(guī)范》（GB 50487-2008）圍巖分類、國標BQ分類、Barton的巖體質(zhì)量指標Q分級法結(jié)果進行對比（見表4）。結(jié)果顯示，采用灰色理論及BP神經(jīng)網(wǎng)絡(luò)方法得到的巖體質(zhì)量分級結(jié)果與傳統(tǒng)分類方法結(jié)果基本一致，其中④號巖組新模型預(yù)測結(jié)果相對偏向于經(jīng)濟性，而在安全性方面有待進一步探討與驗證。

3 結(jié)論

利用灰色理論與BP神經(jīng)網(wǎng)絡(luò)對影響巖體質(zhì)量的各因素（如RQD、單軸抗壓強度、完整性系數(shù)、地下水滲水量等）與巖體分級結(jié)果進行分析，可較全面地將多種因素納入巖體質(zhì)量評價體系中，最大限度地利用勘察數(shù)據(jù)庫，避免單一因素分級造成的主觀性，減小了外業(yè)工作量，其與BQ、Q法等分級結(jié)果的對比表明其分級結(jié)果較為合理。

參考文獻：

[1] 陳昌彥，王貴榮，各類巖體質(zhì)量評價方法的相關(guān)性探討[J].巖石力學(xué)與工程學(xué)報，2002，21（12）：1894-1900.

[2]尹紅梅，張宜虎，周火明，等，工程巖體分級研究綜述[J].長江科學(xué)院院報，2011，28（8）：59-65.

[3]

BIENIAWSKI ZT.Ceomechanics Classifcation of Rock Massesand Its Application in Tunneling[ C]//Procee-dings of theThird Intemational Congress on Rock Mechanics.Denver：IS-RM.1974：27-32.

[4] DENG J L.Control Problems of Grey Systems[ J].Systems&Control Letters， 1982，1（5）：288- 294.

[5] 張毅，楊建國，基于灰色理論預(yù)處理的神經(jīng)網(wǎng)絡(luò)機床熱誤差建模[J].機械工程學(xué)報，2011，47（7）：134-139.

[6]劉遠征，劉欣，“三峽YZP法”在某水庫壩區(qū)工程巖體質(zhì)量分級中的應(yīng)用[J].煤炭技術(shù)，2008，27（9）：110-112.

[7] 張偉，游艇，李雙艷，等，主成分-BP組合模型在壩頂位移監(jiān)控中的應(yīng)用[J].人民黃河，2012，34（2）：115-117.

[8] 韓鳳山，節(jié)理化巖體強度與力學(xué)參數(shù)估計的地質(zhì)強度指標GSI法[J].大連大學(xué)學(xué)報，2007（6）：46-51.

[9] 童新安，基于灰色系統(tǒng)與神經(jīng)網(wǎng)絡(luò)的組合預(yù)測方法及研究應(yīng)用[D].西安：西安電子科技大學(xué)，2012：21- 26.

[10] 馬壯壯，束龍倉，季葉飛，等，基于遺傳算法的BP神經(jīng)網(wǎng)絡(luò)計算巖溶水安全開采量[J].水文地質(zhì)工程地質(zhì)，2016，43（1）：22-27.

[11] 金長宇，馬震岳，張運良，等，神經(jīng)網(wǎng)絡(luò)在巖體力學(xué)參數(shù)和地應(yīng)力場反演中的應(yīng)用[J].巖土力學(xué)，2006，27（8）：1263-1271.

[12] 郭彬，薛希龍，徐敏，改進層次聚類法在礦山巖體分級中的應(yīng)用[J].金屬礦山，2011（ 11）：13-19.

[13] 劉玉成，劉延保，灰色關(guān)聯(lián)理論在礦山巖體質(zhì)量評價中的應(yīng)用[J].礦業(yè)工程，2006，4（6）：16-18.

[14] 楊永斌，基于BP神經(jīng)網(wǎng)絡(luò)的邊坡巖體變形模量反分析[D].長沙：中南大學(xué)，2011：51-59.