反向传递神经网络在水泥土无损检测中的应用

《反向传递神经网络在水泥土无损检测中的应用》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、反向传递神经网络在水泥土无损检测中的应用摘要：通过水泥搅拌土室内试验，研究了水泥搅拌土的各种物理力学特性，根据试验数据建立了水泥搅拌土无侧限抗压强度、灰土比与养护条件、养护时间、纵波波速、横波波速的神经网络模型，然后对水泥土的强度和灰土比进行计算和预测。研究结果表明，神经网络模型不仅可以综合考虑各种因素的影响，而且具有较高的预测精度，是一种很好的无损检测信息处理工具，在岩土工程无损检测中具有广阔的应用前景。关键词：神经网络水泥搅拌土岩土工程无损检测抗压强度水泥土深层搅拌的施工质量受多种因素影响，不易控制。以往所采用的钻芯取样等方法因存在许多困难

2、限制了其实际应用，无损检测的关键是确定工程上可以接受的检测标准。在岩土工程中，常常根据无须对测试工程取样破坏就能测到的物理量(例如波速)与直接反映施工质量的物理量(例如抗压强度和灰土比)之间的关系来建立无损检测标准[1]。以往，大多利用单因素回归分析方法建立检测标准，所得出的回归方程千差万别[2～4]，工程应用很不方便。因为影响水泥土强度的因素众多，不易建立解析的数学方程来确定强度与各因素之间的关系，这使数理统计、回归分析等常用的数学工具在处理此类问题时显得力不从心。人工神经网络是在模仿人脑神经功能的基础上于20世纪末新发展起来的一种信息处理工

3、具。作者选用天津地区堤坝工程常见的黏土进行室内水泥搅拌土试验，测试其在不同养护条件、不同养护时间、不同灰土比条件下的纵波波速、横波波速和无侧限抗压强度。依据试验结果进一步建立养护条件、养护时间、纵波波速、横波波速与无侧限抗压强度和灰土比的神经网络模型。1神经网络理论概述神经网络就是采用物理可实现的系统或利用平常的计算机编程来模仿人脑神经细胞的结构和功能的系统。它是由很多处理单元有机地联结起来，并行工作；它的处理单元十分简单，其工作则是集体地进行。它的信息传播、存储方式与人脑神经网络相似；它没有运算器、处理器、存储器、控制器等这些现代计算机的基本

4、单元，而是相同的简单处理器的组合；它的信息是存储在处理器单元之间的连接上(称为权)，因而它是与现代计算机完全不同的系统。现已证明，一个3层网络可以任意精度逼近任意给定的连续函数，实现M维空间到N维空间的非线性映射，故它擅长处理复杂的多维非线性问题。它可以从已有的试验数据中通过一定的学习算法，在不同程度和层次上模仿人脑神经系统的信息处理、存储及检索功能，能自动获取信息、智能处理、总结规律，即具有自组织、自学习及推理的自适应能力；此外，它还具有一定的容错性和联想记忆功能等。在人工神经网络中，所有的信息存储在处理单元之间的连接上，其量化指标用单元之间

5、的连接权(soNormalstyle="TEXT-ALIGN:left"align=left>机慢慢加水进行搅拌，根据工程中常用的控制指标，控制稠度为6cm。为了研究水泥渗入量对水泥土强度的影响，分别按照灰土比8%、12%、16%、20%、24%制样；采用70.7cm3的钢试模，制样时先在试模内装入一半试料放到振动台上振动一分钟，再装入其它的试料后振动一分钟，最后将试件表面刮平盖上塑料布防止水分蒸发过快，24h后取出试样进行养护；养护条件分为标准养护(环境温度(20±3)℃，环境湿度大于90%)和标准水中养护，标准水中养护是为了模拟水泥土在饱和

6、土中的情况，把试样放在标准养护间的水槽中进行养护(养护用水的温度为(20±2)℃)。图1神经网络拓扑结构室内水泥土的测试内容包括水泥土养护3d、7d、14d、28d、60d、90d的纵波波速、横波波速、容重、含水量以及无侧限抗压强度。为了减少测试误差和扩大测试样本数量，每种试样分别测3块，其测试方法如下：(1)用超声波法测试试样的弹性波速，试验仪器为GJY-1C型工程检测仪。(2)借助砂浆试块压缩试验方法测试试样的无侧限抗压强度，试验仪器为WD-4000型电子万能材料实验机。3预测水泥土抗压强度及灰土比的神经网络模型典型的BP网络包括了一个输入

7、层、一个隐含层(也称中间层)和一个输出层，如图1所示。各层之间实行权连接，每一层又由若干个神经元组成。对各层结点输入矢量进行加权求和运算后，再通过该层结点的传递函数确定其输出。结点的传递函数可为线性函数或非线性可微函数。通常，隐含层与输出层之间取线性函数，隐含层与输入层之间取非线性函数。图中X1，X2，…，Xp代表输入层上p个输入变量，Z1，Z2，…，Zq代表隐含层上q个单元；Y1，Y2，…Yr代表输出层上r个输出变量。此网络可实现p维空间到r维空间的任意非线性变换。soNormalstyle="LINE-HEIGHT:17.25pt;TEXT

8、-ALIGN:left"align=left>BP网络的学习过程是由信息的正向传递和误差的反向传播两个过程组成。正向传递时，输入信息从输入层经隐含层处