劉柏松 趙丹冬

【摘要】本文以花橋世紀(jì)城項(xiàng)目為例，采用BP神經(jīng)網(wǎng)絡(luò)方法，對(duì)花橋世紀(jì)城基坑的水平方向隨時(shí)間的位移值進(jìn)行了預(yù)測(cè)，并與實(shí)測(cè)數(shù)據(jù)比較，證明了BP神經(jīng)網(wǎng)絡(luò)在項(xiàng)目基坑水平位移變形監(jiān)測(cè)中的有效性。

【關(guān)鍵詞】BP神經(jīng)網(wǎng)絡(luò) 變形監(jiān)測(cè) 數(shù)據(jù)處理

在高層建筑物設(shè)計(jì)施工中，一般需要開挖深基坑，隨著建筑高度的增加和規(guī)模的擴(kuò)大，基坑深度也不斷加大，基坑的變形監(jiān)測(cè)也越來(lái)越重要?；釉O(shè)計(jì)時(shí)常運(yùn)用。法和有限元法來(lái)進(jìn)行變形值計(jì)算，但理想模型由于受實(shí)際工況差別、計(jì)算參數(shù)等不確定因素的影響，計(jì)算得到的變形值與實(shí)際變形量往往相差比較大。人工神經(jīng)網(wǎng)絡(luò)憑借良好的非線性映射能力及自適應(yīng)能力等特點(diǎn)，尤其是在包含多因素、不精確和模糊的信息問(wèn)題處理上的優(yōu)勢(shì)為深基坑工程問(wèn)題的解決提供了一個(gè)新方法。

一、工程數(shù)據(jù)分析

花橋世紀(jì)城項(xiàng)目位于花橋鎮(zhèn)蓬青路北、外青松公路西，基坑北側(cè)和東側(cè)均為本工程前期己建工程。項(xiàng)目場(chǎng)地自然地面標(biāo)高約為-0.70m，地下車庫(kù)坑底標(biāo)高為-6.65m，基坑開挖深度為5.95m。高層建筑坑底標(biāo)高為-7.3m，基坑開挖深度為6.6mo本工程基坑開挖內(nèi)邊線周長(zhǎng)約為500m，基坑開挖面積約為14200m2。

基坑的開挖會(huì)影響周圍建筑物的穩(wěn)定性，研究建筑物周圍的基坑變形程度也能反映出建筑物所受變形的影響，本項(xiàng)目中對(duì)基坑的水平位移進(jìn)行監(jiān)測(cè)，共設(shè)置12個(gè)水平位移點(diǎn)，監(jiān)測(cè)頻率隨著基坑開挖的深度而改變。當(dāng)開挖深度小于3米時(shí)2天監(jiān)測(cè)一次，3到10米時(shí)每天監(jiān)測(cè)1次。研究選取水平位移監(jiān)測(cè)數(shù)據(jù)為6月18日到7月13日共25日內(nèi)的水平位移量變化進(jìn)行研究。

二、BP神經(jīng)網(wǎng)絡(luò)模型

BP （Back Propagation）神經(jīng)網(wǎng)絡(luò)是一種由輸入層、中間層、輸出層組成的階層型神經(jīng)網(wǎng)絡(luò)，相鄰層之間各神經(jīng)元進(jìn)行全連接，而每層神經(jīng)元之間無(wú)連接，網(wǎng)絡(luò)按有教師示教的方式進(jìn)行學(xué)習(xí)。當(dāng)一對(duì)學(xué)習(xí)模式提供給網(wǎng)絡(luò)后，各神經(jīng)元獲得網(wǎng)絡(luò)的輸入響應(yīng)產(chǎn)生連接權(quán)值，然后按減小希望輸出與實(shí)際輸出誤差的方向，從輸出層經(jīng)各中間層逐層修正各連接權(quán)，回到輸入層。此過(guò)程反復(fù)交替進(jìn)行，直到網(wǎng)絡(luò)的全局誤差趨向給定的極小值，即完成學(xué)習(xí)的過(guò)程。MATLAB神經(jīng)網(wǎng)絡(luò)工具箱集成了大量的不同的學(xué)習(xí)算法，為神經(jīng)網(wǎng)絡(luò)理論的實(shí)現(xiàn)提供了一種便利的仿真手段。本文利用MATLAB神經(jīng)網(wǎng)絡(luò)工具箱，選取水平位移監(jiān)測(cè)數(shù)據(jù)為6月18日到7月13日共25日內(nèi)的水平位移量建立預(yù)測(cè)模型，進(jìn)行7月14日水平位移值的預(yù)測(cè)。

三、網(wǎng)絡(luò)的建立

（1）首先導(dǎo)入整理好的的Excel文件。函數(shù)形式為load （‘fi-lename），xlsread（‘filename）。

（2）數(shù)據(jù)歸一化函數(shù)，歸一化函數(shù)有premnmx、tramnmx、post-mnmx等，premnmx函數(shù)用于將網(wǎng)絡(luò)的輸入數(shù)據(jù)或輸出數(shù)據(jù)進(jìn)行歸一化歸一化后的數(shù)據(jù)將分布在[-1，1]區(qū)間內(nèi)。

（3）網(wǎng)絡(luò)函數(shù)的創(chuàng)建，newff是創(chuàng)建BP神經(jīng)網(wǎng)絡(luò)的函數(shù)，也是最常用的函數(shù)，其結(jié)構(gòu)為enet=newff （PR，[S1 S2…SN]，{TF1TF2...TFN}，BTF，BLF，PF），建立3層BP神經(jīng)網(wǎng)絡(luò)。

（4）網(wǎng)絡(luò)參數(shù)的設(shè)置。net.trainParam.show用于設(shè)置顯示間隔；net.trainParam.1r用于設(shè)置網(wǎng)絡(luò)學(xué)習(xí)速度；net.train-Param.me用于設(shè)置動(dòng)量系數(shù)net.trainParam.epochs用于設(shè)置訓(xùn)練單位時(shí)間；net.trainParam.goal用于設(shè)置目標(biāo)誤差。

（5）網(wǎng)絡(luò)初始函數(shù)，采用默認(rèn)參數(shù)。

（6）網(wǎng)絡(luò)訓(xùn)練函數(shù)，用于對(duì)設(shè)定參數(shù)的網(wǎng)絡(luò)進(jìn)行訓(xùn)練。

（7）網(wǎng)絡(luò)仿真函數(shù)，Sim函數(shù)對(duì)輸入數(shù)據(jù)進(jìn)行仿真計(jì)算。

四、程序的實(shí)現(xiàn)

程序具體實(shí)現(xiàn)如下：

Load（‘c：/Users/Administrator/Document/MATLAB/12訓(xùn)練點(diǎn)）

P=Yzdzb；

T=Yzdgcyc；

[PN，minp，maxp，TN，mint，maxi]=premnmA（P，T）；

net=newff（minmax （PN），[10 1]，{tansig，tansig}，traingd）；

net.trainPar視.1r=0.05；

net.trainParam.epochs=10000；

net.trainParam.goal=0.01；

net=train （net，PN，TN）；

A=sim（net，PN）；

E=T-postmnmx（A，mint，maxt）；

MSE=mse（E）；

Tes=Wzdzb；

Ts=tramnmx（Tes，minp，maxp）；

Wzdgcyc=sm（net，Ts）；

Wzcyc=postmnmx（Wzdgcyc，mint，maxt）；

jggeyc=Wzcyc

模型采用3層神經(jīng)網(wǎng)絡(luò)，一個(gè)輸入層，一個(gè)隱含層，一個(gè)輸出層，輸入層為12個(gè)監(jiān)測(cè)點(diǎn)6月18日到了月13日共25日內(nèi)的水平位移量，輸出層為為12個(gè)監(jiān)測(cè)點(diǎn)7月14日水平位移值。模型采用postmnmx函數(shù)為數(shù)據(jù)歸一化函數(shù)，newff函數(shù)為網(wǎng)絡(luò)創(chuàng)建函數(shù)，以tansig函數(shù)為傳遞函數(shù)，以trangdx函數(shù)為訓(xùn)練函數(shù)，設(shè)置網(wǎng)絡(luò)學(xué)習(xí)速率為0.05%，隱含層結(jié)點(diǎn)數(shù)目設(shè)為10，網(wǎng)絡(luò)訓(xùn)練參數(shù)設(shè)定最大訓(xùn)練次數(shù)為10000，網(wǎng)絡(luò)訓(xùn)練目標(biāo)誤差為0.001進(jìn)行網(wǎng)絡(luò)的訓(xùn)練。當(dāng)訓(xùn)練進(jìn)行到137次時(shí)訓(xùn)練停止，訓(xùn)練過(guò)程使程序達(dá)到誤差0.001。采用此網(wǎng)絡(luò)模擬后，獲得7月14日基坑的水平位移預(yù)測(cè)值。

五、數(shù)據(jù)的預(yù)測(cè)與分析

利用上述神經(jīng)網(wǎng)絡(luò)程序來(lái)驗(yàn)證模型并與真實(shí)值對(duì)比，用6月18日到7月13日共25日內(nèi)的水平位移量作為訓(xùn)練樣本數(shù)據(jù)來(lái)預(yù)測(cè)7月14日的水平位移并與真實(shí)監(jiān)測(cè)值作比較，結(jié)果如圖1所示，其中橫軸表示基坑頂部設(shè)置的12個(gè)水平位移監(jiān)測(cè)點(diǎn)，縱軸表示水平位移值，藍(lán)色柱狀圖形表示預(yù)測(cè)值與真實(shí)值的差值?？梢钥闯?，12個(gè)監(jiān)測(cè)點(diǎn)中，1、2、9、12號(hào)點(diǎn)預(yù)測(cè)誤差幾乎為零，4、5、6號(hào)預(yù)測(cè)值低于真實(shí)值，3、7、8、10、11號(hào)點(diǎn)的預(yù)測(cè)值高于預(yù)測(cè)值，其中10號(hào)點(diǎn)的預(yù)測(cè)誤差最大，為1.17mm。本文采用BP神經(jīng)網(wǎng)絡(luò)，利用MATLAB神經(jīng)網(wǎng)絡(luò)工具箱編程實(shí)現(xiàn)花橋城小區(qū)基坑水平位移監(jiān)測(cè)的預(yù)報(bào)。通過(guò)誤差的對(duì)比，可以看出12個(gè)水平位移監(jiān)測(cè)點(diǎn)中，BP神經(jīng)網(wǎng)絡(luò)模型獲得的預(yù)測(cè)值與實(shí)際監(jiān)測(cè)值均比較接近，最大誤差值為1.17mm，最小誤差為0.01mm，預(yù)測(cè)結(jié)果比較理想。