尚紀(jì)斌

0 引言

建筑物在修建過程中，隨著自身荷載的不斷增加，建筑物整體會發(fā)生下沉的情況。當(dāng)建筑物所在地過去是池塘等松軟地基時，雖然在施工工藝上已經(jīng)進行了處理，但是仍然會對沉降產(chǎn)生影響。對于這樣的建筑，除了要不斷加強沉降觀測外，建立一個有效的數(shù)學(xué)模型，來預(yù)測沉降的大小，保證工程的安全有序是非常重要的。

本文采用BP人工神經(jīng)網(wǎng)絡(luò)，利用博學(xué)苑小區(qū)某棟樓實測的沉降觀測數(shù)據(jù)直接建模，進行了樓房最終沉降趨勢的預(yù)測，并與后來實測結(jié)果進行了比較分析。

1 神經(jīng)網(wǎng)絡(luò)模型

人工神經(jīng)網(wǎng)絡(luò)(Artificial Neutral Networks，ANN)是由大量簡單的基本元件、神經(jīng)元相互連接，通過模擬人的大腦處理信息的方式，進行信息并行處理和非線性的轉(zhuǎn)換的復(fù)雜網(wǎng)絡(luò)系統(tǒng)。在信息處理過程中具有自組織、自學(xué)習(xí)、自適應(yīng)的特點。它的工作方式由2個階段組成:

1)學(xué)習(xí)階段，通過對所選樣本的學(xué)習(xí)過程，不斷修正各有向連接途徑的權(quán)值，使其學(xué)習(xí)結(jié)果十分逼近樣本值;

2)推理運行階段，即以學(xué)習(xí)過程不斷修正后的最終結(jié)果，對所需的信息實施處理。

目前應(yīng)用最多的是BP神經(jīng)網(wǎng)絡(luò)模型，該模型通常由三層組成:輸入層、隱含層、輸出層。每層內(nèi)神經(jīng)元之間不發(fā)生連接，僅相鄰層的神經(jīng)元之間根據(jù)需要發(fā)生連接。

BP神經(jīng)網(wǎng)絡(luò)的核心思想是，學(xué)習(xí)過程由信號的正向傳播與誤差的反向傳播2個過程組成。

正向傳播時，輸入樣本從輸入層傳入，經(jīng)隱含層處理后，傳向輸出層。若輸出層的實際輸出值與期望不符，則轉(zhuǎn)入誤差反向傳播階段。

誤差反傳是將輸出誤差以某種形式通過隱含層向輸入層反傳，并將誤差分?jǐn)偨o各層所有神經(jīng)元，從而獲得各層神經(jīng)元的誤差信號，此誤差信號作為各神經(jīng)元修正權(quán)值的依據(jù)，直至網(wǎng)絡(luò)訓(xùn)練輸出的總誤差滿足一定要求就停止訓(xùn)練，從而轉(zhuǎn)入推理階段。

2 工程應(yīng)用

2.1 工程概況

南京博學(xué)苑小區(qū)某棟房屋，所處地帶為丘陵地形。開工前為一處水塘，水下淺層為淤泥。地基處理采用先清除水和淤泥，再灌注水泥砂漿工藝。由于房屋結(jié)構(gòu)為磚混結(jié)構(gòu)，6層半，20 m高。各墻面都承擔(dān)房屋的重量，所以整個地基底板為澆筑的整體板。

為了確保建筑安全，在建筑物周圍共布設(shè)了14個沉降觀測點，主要布設(shè)于房屋四角，伸縮縫兩側(cè)，主要承重的構(gòu)造柱上。并采用二等水準(zhǔn)測量的標(biāo)準(zhǔn)進行了12期觀測，歷時1年半。

2.2 網(wǎng)絡(luò)輸入與輸出

由于單隱層BP網(wǎng)絡(luò)的非線性映射能力比較強，所以我們采用單隱層神經(jīng)網(wǎng)絡(luò)。輸入層神經(jīng)元個數(shù)為3，隱含層神經(jīng)元個數(shù)為7，輸出層神經(jīng)元個數(shù)為1;隱含層的傳遞函數(shù)類型為tansig，輸出層的傳遞函數(shù)類型為purelin;訓(xùn)練函數(shù)選取traingdx;學(xué)習(xí)函數(shù)選取learngdm，性能函數(shù)選取mse。

選取14個觀測點中的1號、7號、14號三個點作為樣本，以前8期各期累計沉降量為輸入數(shù)據(jù)，即訓(xùn)練樣本，對后4期累計沉降量進行預(yù)測。

實測值見表1。

表1 該建筑物累計沉降實測值 mm

2.3 結(jié)果比較分析

應(yīng)用上述樣本訓(xùn)練后，對第9期～12期進行預(yù)測，并與實測值進行比較，見表2～表4。

從誤差大小可以看出，預(yù)測值與實測值基本相符。由于后期建筑逐漸處于穩(wěn)定期，所以誤差大小相對于每期的沉降值而言，出現(xiàn)波動情況，但是都在建筑安全范圍之內(nèi)。

表2 1號點后4期累計沉降值比較 mm

表3 7號點后4期累計沉降值比較 mm

表4 14號點后4期累計沉降值比較 mm

3 結(jié)語

采用BP人工神經(jīng)網(wǎng)絡(luò)模型進行建筑物沉降的預(yù)測是可行的。從比較結(jié)果看，預(yù)測結(jié)果比較理想。隨著工程的不斷推進，觀測數(shù)據(jù)的不斷增加，BP神經(jīng)網(wǎng)絡(luò)可以不斷的輸入新的數(shù)據(jù)進行訓(xùn)練和學(xué)習(xí)，從而進一步提高預(yù)測精度。此外，其抗干擾能力強，個別測點的誤差不會對結(jié)果產(chǎn)生大的影響。

[1]聞 新.MATLAB神經(jīng)網(wǎng)絡(luò)應(yīng)用設(shè)計[M］.武漢:華中理工大學(xué)出版社，1987.

[2]張德剛，翟 娟.基于BP人工神經(jīng)網(wǎng)絡(luò)的公路軟土地基預(yù)測[J］.交通科技，2010(3):37-40.

[3]米鴻燕，蔣興華.基于灰色BP神經(jīng)網(wǎng)絡(luò)的沉降觀測預(yù)測模型應(yīng)用研究[J］.昆明理工大學(xué)學(xué)報，2007(4):27-30.