基于人工神經(jīng)網(wǎng)絡(luò)的排水管道非開挖修復(fù)決策研究

鄭博一， 王 超， 楊麗麗， 李志遠(yuǎn)， 任 亮

（天津市市政工程設(shè)計(jì)研究院，天津 300392）

排水管網(wǎng)是“城市靜脈”，承擔(dān)著城市污水收集和雨水運(yùn)輸任務(wù)，是城市安全穩(wěn)定運(yùn)行的基礎(chǔ)。隨著城市用水量的增加，排水量也相應(yīng)增加，排水管道承受的負(fù)荷也越來越大。由于對(duì)排水管道維護(hù)養(yǎng)管的投入不足，腐蝕、滲漏、破壞、變形、不均勻沉降等情況時(shí)有發(fā)生[1]。

城市的中心城區(qū)人口密集、商業(yè)活躍、交通壓力大，此類地區(qū)地下排水管道開挖修復(fù)難度大、工期長、造價(jià)高，宜采用非開挖修復(fù)技術(shù)[2]。非開挖修復(fù)技術(shù)是指在不開挖或微開挖的情況下，對(duì)現(xiàn)存有缺陷管道進(jìn)行修復(fù)和更新，以保障管道正常運(yùn)行，是延長管道使用壽命的施工技術(shù)[3]。排水管道非開挖修復(fù)決策主要基于對(duì)管道檢測(cè)和評(píng)估數(shù)據(jù)在質(zhì)量和數(shù)量上的準(zhǔn)確分析，人工神經(jīng)網(wǎng)絡(luò)技術(shù)應(yīng)用于排水管道非開挖技術(shù)決策當(dāng)中，可以大大降低優(yōu)選過程中人為因素的影響，科學(xué)地確定最優(yōu)方案。

1 人工神經(jīng)網(wǎng)絡(luò)模型的構(gòu)建

1.1 人工神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)

輸入層、隱含（中間）層、輸出層，相鄰各層之間的節(jié)點(diǎn)單方向互聯(lián)。見圖1。

圖1 神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)

1.2 網(wǎng)絡(luò)訓(xùn)練

設(shè)輸入層節(jié)點(diǎn)i輸入Ii，輸入層節(jié)點(diǎn)i和隱含層節(jié)點(diǎn)j之間的權(quán)值為ωij，隱含層節(jié)點(diǎn)j的閾值為θj，隱含層節(jié)點(diǎn)j和輸出層節(jié)點(diǎn)k之間的權(quán)值為νjk，輸出層節(jié)點(diǎn)k閾值為γk。

信息的正向傳播過程，隱含層和輸出層節(jié)點(diǎn)要經(jīng)過Sigmoid激活函數(shù)作用，才能輸出結(jié)果，Sigmoid激活函數(shù)為

訓(xùn)練過程如下：

1）網(wǎng)絡(luò)參數(shù)初始化；

2）從網(wǎng)絡(luò)輸入層輸入第一個(gè)樣本信號(hào)；

3）計(jì)算隱含層節(jié)點(diǎn)輸出Hj

4）計(jì)算輸出層節(jié)點(diǎn)輸出Ok

5）計(jì)算輸出層的輸出誤差δk

6）計(jì)算隱含層節(jié)點(diǎn)的誤差σj

7）權(quán)值和閾值的修正

8）取下一個(gè)樣本作為信號(hào)輸入，重復(fù)上述過程。當(dāng)全部N個(gè)樣本計(jì)算完后，計(jì)算N個(gè)樣本的均方差E

如果E小于指定精度λ，則學(xué)習(xí)結(jié)束；否則更新學(xué)習(xí)次數(shù)，返回步驟2。如此往復(fù)，直到達(dá)到精度要求或最大迭代次數(shù)為止。

式中：Tk為樣本的期望輸出；Ok為樣本經(jīng)網(wǎng)絡(luò)訓(xùn)練后的實(shí)際輸出值；α、β為學(xué)習(xí)參數(shù)。

2 應(yīng)用實(shí)例

2.1 神經(jīng)網(wǎng)絡(luò)模型設(shè)計(jì)

以天津市某區(qū)域?yàn)槔?。該區(qū)域地下水位高，土中含有大量的硫酸根等腐蝕性離子，淺層地下水中的含鹽量較高。待修復(fù)的排水管道為鋼帶增強(qiáng)聚乙烯螺旋波紋管。經(jīng)CCTV檢測(cè)，管道結(jié)構(gòu)性缺陷主要包括：變形、錯(cuò)口、異物穿入、腐蝕、破裂、起伏、滲漏、脫節(jié)、接口材料脫落共9項(xiàng)。

神經(jīng)網(wǎng)絡(luò)的輸入信息主要是管道缺陷因素，輸入層的節(jié)點(diǎn)數(shù)為9；網(wǎng)絡(luò)的輸出是決策出的非開挖修復(fù)施工方法，只有一個(gè)節(jié)點(diǎn)，代表只能輸出一種工藝信息。經(jīng)多次試驗(yàn)選取誤差最小的隱含層節(jié)點(diǎn)數(shù)10。

2.2 數(shù)據(jù)的處理

2.2.1 輸入數(shù)據(jù)

參照CJJ 181—2012《城鎮(zhèn)排水管道檢測(cè)與評(píng)估技術(shù)規(guī)程》，將CCTV檢測(cè)結(jié)果中各結(jié)構(gòu)性缺陷等級(jí)作為神經(jīng)網(wǎng)絡(luò)的輸入數(shù)據(jù)，檢測(cè)結(jié)果中未包含的缺陷，輸入設(shè)置為0。見表1。

表1 缺陷等級(jí)劃分

2.2.2 輸出數(shù)據(jù)

輸出數(shù)據(jù)為采用的非開挖修復(fù)方法，包括：拉入法蒸汽加熱原位固化內(nèi)襯修復(fù)法、紫外線固化內(nèi)襯修復(fù)法、機(jī)械制螺旋纏繞法內(nèi)襯修復(fù)法和CIPP翻轉(zhuǎn)內(nèi)襯修復(fù)法，分別對(duì)應(yīng)輸出編碼1～4。

2.3 網(wǎng)絡(luò)訓(xùn)練

通過檢測(cè)缺陷等級(jí)和已經(jīng)進(jìn)行非開挖修復(fù)的管道修復(fù)工藝選擇得到輸入輸出訓(xùn)練樣本，例如某管道檢測(cè)結(jié)果：(BX)變形1級(jí)，(CK)錯(cuò)口1級(jí)，(SL)滲漏3級(jí)，采用機(jī)械制螺旋纏繞法內(nèi)襯修復(fù)法。輸入矩陣為[0 1 0 1 0 0 0 0 0 3]，對(duì)應(yīng)的期望輸出為[3]。

訓(xùn)練樣本從已經(jīng)非開挖修復(fù)的239段管道中，隨機(jī)選取100段作為訓(xùn)練數(shù)據(jù)。設(shè)定網(wǎng)絡(luò)的訓(xùn)練函數(shù)采用trainlm()函數(shù)，設(shè)定網(wǎng)絡(luò)學(xué)習(xí)精度e=0.001，學(xué)習(xí)速率α=0.05。

2.4 網(wǎng)絡(luò)訓(xùn)練結(jié)果

為檢驗(yàn)?zāi)Ｐ偷膶?shí)用性，每種施工工藝隨機(jī)選取一組數(shù)據(jù)對(duì)訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)進(jìn)行驗(yàn)證。見表2。

表2 驗(yàn)證結(jié)果

由表2可知，所建立的神經(jīng)網(wǎng)絡(luò)模型效果較好，比較有效地?cái)M合了期望的輸出。

3 結(jié)論

根據(jù)工程經(jīng)驗(yàn)，建立人工神經(jīng)網(wǎng)絡(luò)模型，對(duì)非開挖修復(fù)技術(shù)的選擇進(jìn)行決策。通過實(shí)際的樣本數(shù)據(jù)對(duì)模型進(jìn)行驗(yàn)證，結(jié)果表明利用人工神經(jīng)網(wǎng)絡(luò)模型可以對(duì)管道非開挖修復(fù)工藝方案進(jìn)行智能決策，結(jié)果具有可靠性。該方法操作簡單，降低人為主觀因素的影響并且有很強(qiáng)的針對(duì)性，具有一定的工程意義。