神經(jīng)元智能預(yù)測算法在橋梁施工中的應(yīng)用

賀杰軍

（長沙市公路橋梁建設(shè)有限責(zé)任公司技術(shù)中心，湖南 長沙 410205）

0 引言

橋梁作為人工建筑結(jié)構(gòu)體，在施工過程中其應(yīng)力狀態(tài)及幾何線性均是極為關(guān)注的重點(diǎn)，通過控制施工過程中混凝土澆筑主梁線性標(biāo)高，為控制橋梁施工精度提供重要的技術(shù)手段。在施工過程中，橋梁立模標(biāo)高與應(yīng)力值分為實(shí)測值與預(yù)估值，預(yù)估值一般通過理論計(jì)算可得，實(shí)測值可通過實(shí)際監(jiān)測所得，但兩者存在一定的誤差[1]。在實(shí)際施工過程中受眾多因素影響[2]，造成實(shí)測值與預(yù)估值偏差較大，若不及時調(diào)整，將會導(dǎo)致橋梁施工出現(xiàn)重大工程事故。因此，采用智能算法對斜拉橋施工線性標(biāo)高進(jìn)行預(yù)估，降低誤差影響，可以為下階段立模標(biāo)高控制提供重要的參考依據(jù)，保障橋梁施工控制精度[3]。

1 工程概況

某斜拉橋南起廬州1號路，北達(dá)建設(shè)路口。該橋共分為五聯(lián)，橋臺為肋板式修筑形式，橋基礎(chǔ)采用鉆孔灌注樁。橋面行車道采用復(fù)合結(jié)構(gòu)面層形式鋪設(shè)。該面層材料由厚7cm 的C50 混凝土、防水劑、5cm 厚的AC-13C 瀝青混凝土組成。橋面人行道鋪設(shè)無機(jī)防水劑、3cm 厚的水泥砂漿墊層以及2cm 厚的防滑磚與2cm厚的盲道磚。圖1為該斜拉橋主橋橫截面圖。

圖1 斜拉橋主橋橫截面圖

該斜拉橋按照行車使用功能可分為行車道、人行道、防撞安全墻及拉索占用空間。其中，行車道分為15.75m 寬的機(jī)動車道與3m 寬的非機(jī)動車道，人行道寬度為2.5m，防撞安全墻寬度為1.5m，拉索占用1m 寬度，分隔帶寬度2m，設(shè)計(jì)8車道。主橋箱梁采用C50混凝土施工，混凝土的運(yùn)輸采用A50-C 混凝土泵車，該泵車可實(shí)時監(jiān)控混凝土攪拌度、坍落度等性能參數(shù)，為施工人員提供監(jiān)測信息。

2 施工應(yīng)用以及預(yù)測方法的優(yōu)化

2.1 BP神經(jīng)網(wǎng)絡(luò)算法

BP 神經(jīng)網(wǎng)絡(luò)算法對正向傳播信息采用外界輸入方式，逐級向下傳遞，每層的信息傳播均借助中間反饋層神經(jīng)元。當(dāng)出現(xiàn)正向傳輸參數(shù)的結(jié)果，則正向傳播信息結(jié)束。而誤差信息采用反向傳播方式進(jìn)行，通過輸出結(jié)果與預(yù)計(jì)值相對比的迭代形式進(jìn)行，在神經(jīng)網(wǎng)絡(luò)元中反向傳播，得到輸出結(jié)果。最終以正向至反向，再由反向至正向的循環(huán)模式，不斷在神經(jīng)元中循環(huán)迭代，直至滿足計(jì)算要求。該神經(jīng)網(wǎng)絡(luò)模型示意圖如圖2所示[4-6]。

圖2 BP神經(jīng)網(wǎng)絡(luò)模型原理圖

2.2 BP神經(jīng)網(wǎng)絡(luò)模型在大橋施工控制中的應(yīng)用

采用Matlab 編程技術(shù)[7-8]進(jìn)行神經(jīng)網(wǎng)絡(luò)模擬訓(xùn)練后，得到BP 神經(jīng)網(wǎng)絡(luò)關(guān)于線性控制的主要應(yīng)用程序。本節(jié)將分析BP 神經(jīng)網(wǎng)絡(luò)模型在該大橋施工控制中的應(yīng)用。首先需要獲得該大橋施工控制過程中的主要參數(shù)，相關(guān)主要參數(shù)如表1所示。

表1 大橋施工段基本參數(shù)

通過對大橋各施工段數(shù)據(jù)進(jìn)行歸一化處理，如式（1）所示：

式（1）中：Z、Z’分別為原始與處理后數(shù)據(jù)。

表2為上式處理后得到的樣本數(shù)據(jù)。

表2 訓(xùn)練樣本數(shù)據(jù)

表2續(xù)

當(dāng)?shù)玫酱髽蚴┕み^程混凝土強(qiáng)度及彈性模量等訓(xùn)練樣本參數(shù)后，以此數(shù)據(jù)分別建立矩陣表達(dá)式，輸入至Matlab 建立的BP 神經(jīng)網(wǎng)絡(luò)中，神經(jīng)單元參數(shù)與輸出結(jié)果模塊分別有7 個、1 個，隱含層神經(jīng)單元共有48個，第二層神經(jīng)單元36個。

經(jīng)過BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練過程的迭代后，使計(jì)算性能誤差降至10-8，滿足工程施工精度要求。根據(jù)BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練后樣本數(shù)據(jù)進(jìn)行大橋梁段線性標(biāo)高預(yù)測。其中大橋梁段按照線性標(biāo)高預(yù)測進(jìn)行歸一化處理，如表3所示。

表3 橋梁段歸一化參數(shù)表

將歸一化數(shù)據(jù)與樣本數(shù)據(jù)進(jìn)行整合，得到新矩陣表達(dá)式，輸入至BP 神經(jīng)網(wǎng)絡(luò)中，迭代后輸出預(yù)測值，該預(yù)測值即為BP 神經(jīng)網(wǎng)絡(luò)計(jì)算得到的各梁段施工控制值。表4 為BP 神經(jīng)網(wǎng)絡(luò)計(jì)算得到的控制值與實(shí)際立模標(biāo)高值。

表4 預(yù)測標(biāo)高值與實(shí)際標(biāo)高值對比

對比預(yù)測值與實(shí)際值可發(fā)現(xiàn)，預(yù)測值最大偏差為41.6mm，雖可表明BP 神經(jīng)網(wǎng)絡(luò)的適用性，但另一方面，預(yù)測值相對來說精度并不高，預(yù)測結(jié)果并不理想，表明還需要對BP 神經(jīng)網(wǎng)絡(luò)計(jì)算結(jié)構(gòu)進(jìn)行優(yōu)化，得到最優(yōu)值，保證預(yù)測結(jié)果的準(zhǔn)確性。

2.3 大橋施工控制中BP神經(jīng)網(wǎng)絡(luò)模型的優(yōu)化

在BP 神經(jīng)網(wǎng)絡(luò)計(jì)算體系中，訓(xùn)練樣本數(shù)據(jù)是其中重要的一個環(huán)節(jié)，采用不同方法進(jìn)行BP 神經(jīng)網(wǎng)絡(luò)訓(xùn)練樣本數(shù)據(jù)的優(yōu)化，會得到不同的參數(shù)結(jié)果。因而，將采用梯度下降法、含動量因子法、動量及自適應(yīng)法三種訓(xùn)練方法進(jìn)行神經(jīng)網(wǎng)絡(luò)樣本數(shù)據(jù)優(yōu)化。

圖3為三種訓(xùn)練方法計(jì)算得到梯度值。梯度值表征了一種訓(xùn)練方法對樣本迭代計(jì)算的快慢以及迭代步驟，表征了一種計(jì)算速率。由圖3可知，三種訓(xùn)練方法均達(dá)到精度要求，計(jì)算時間最長為15min56s，迭代步驟最長約12 萬步。含動量因子法計(jì)算時間為9min，迭代步驟約有7.5 萬步，動量及自適應(yīng)法計(jì)算時間最短為22s，計(jì)算步驟最短，僅有5.5 千步。對比后可知，動量及自適應(yīng)法更易得到最優(yōu)值，結(jié)果也更為平緩穩(wěn)定，且其梯度下降至最終能達(dá)到0.000 154 28，相較于最優(yōu)值0.000 1 最為接近，因而，動量及自適應(yīng)法作為樣本計(jì)算最優(yōu)訓(xùn)練方法。

圖3 三種訓(xùn)練方法梯度下降曲線

針對不同的隱含層神經(jīng)單元數(shù)量，計(jì)算得到的結(jié)果差異同樣會較大。通過選擇大橋7號梁段施工作業(yè)數(shù)據(jù)，設(shè)定不同的隱含層神經(jīng)元個數(shù)，計(jì)算得到預(yù)測結(jié)果誤差值（表5）。

由表5可知，隱含層神經(jīng)元個數(shù)隨著個數(shù)增大，誤差變化較明顯，過大或過小的神經(jīng)元個數(shù)均會影響預(yù)測結(jié)果精度，誤差較小值分布在神經(jīng)元個數(shù)中間區(qū)域（4～8個），當(dāng)神經(jīng)元個數(shù)為8時，誤差值較小，因而設(shè)定隱含層神經(jīng)單元個數(shù)為8個。

表5 隱含層不同神經(jīng)單元個數(shù)預(yù)測結(jié)果誤差 單位：mm

此外，混凝土泵車運(yùn)輸效率也是影響施工精度的因素之一。設(shè)定泵車6 臺，最大輸送距離為291.92m，混凝土導(dǎo)管長度為242m。綜合上述分析，結(jié)合動量及自適應(yīng)法作為訓(xùn)練樣本方法，并設(shè)定8個隱含層神經(jīng)單元，施工作業(yè)精度選定為0.000 01，獲得預(yù)測結(jié)果值如表6所示。

表6 BP神經(jīng)網(wǎng)絡(luò)預(yù)測標(biāo)高值與實(shí)際標(biāo)高值對比

由表6可知，預(yù)測結(jié)果最大誤差僅為6mm，施工精度得到大幅提升。表明選擇動量及自適應(yīng)法，8 個隱含層神經(jīng)單元時，采用BP 神經(jīng)網(wǎng)絡(luò)對大橋施工標(biāo)高預(yù)測是完全合理的。

3 結(jié)語

通過借助BP 神經(jīng)網(wǎng)絡(luò)對斜拉橋施工技術(shù)預(yù)測，發(fā)現(xiàn)了BP 神經(jīng)網(wǎng)絡(luò)適用于大橋施工預(yù)測，可得到準(zhǔn)確預(yù)測值，預(yù)測值最大偏差為41.6mm，誤差偏大。因而，對BP 神經(jīng)網(wǎng)絡(luò)進(jìn)行優(yōu)化改進(jìn)，采用混凝土泵車6 臺，導(dǎo)管長度為242m，配合動量及自適應(yīng)訓(xùn)練法，設(shè)定8個隱含層神經(jīng)單元，施工作業(yè)精度選定為0.000 01 時，預(yù)測結(jié)果最大誤差僅為6mm，施工預(yù)測值達(dá)到精度要求。