PSO优化BP算法在基坑变形预测中的应用.pdf

《PSO优化BP算法在基坑变形预测中的应用.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、140低温建筑技术2015年第12期(总第210期)DOI：10．13905／j．cnki．dwjz．2015．12．049PS0优化BP算法在基坑变形预测中的应用黄立本，文建勇，魏龙(兰州交通大学土木工程学院。兰州730070)【摘要】地铁车站深基坑变形预测是保证地铁车站安全施工的一个重要手段，为了能够更准确更有效的预测地铁车站深基坑变形，采用粒子群优化算法即PS0算法对传统的BP神经网络的权值和阀值进行了优化，同时对该预测模型中的输出样本添加噪声训练，建立了基于粒子群优化BP神经网络的地铁深基坑变形预测算法。以合肥市轨道交通2号线长丰南路站深基

2、坑为工程实例，经计算表明该算法取得了良好的效果，所预测的变形数据具有较高的可信度。【关键词】深基坑；粒子群优化；神经网络；噪声；变形预测【中图分类号】TU473．2【文献标识码】B【文章编号】1001—6864(2015)12—0140—03中国的城市地铁建设正在如火如荼的进行，除了火算法]、遗传算法以及人工神经网络理论等。北京、上海类似特大城市的地铁网络已初具规模，其而其中又以人工神经网络理论目前应用较多因其具它省会城市也依次进行着地铁项目的施工建设⋯。有较强的自适应和自学习能力，对于复杂的非线性问在地铁轨道工程的施工建设中，最为重要和复杂的就题

3、具有良好的模拟能力。但神经网络算法又存在其是地铁车站深基坑的建设，因为地铁基坑位置附近的缺点：对初始权值和阀值较为敏感，一旦选择不当容已有建筑物和构筑物十分密集，加之地铁深基坑的开易引起陷入局部极小值、收敛速度慢等问题，最终导挖深度和平面尺寸较一般基坑大，在地铁工程的建设致预测结果不理想。利用粒子群优化算法对其权值中如何控制深基坑围护结构的变形并使其保持稳定、和阀值进行优化，能够改善神经络性能调高预测精减少开挖施工过程中对周围环境与地面交通所带来度，并对预测模型中的输出样本添加噪声训练，更好的影响等，这些问题都是工程施工中必须面对解决的的促进了网络

4、的其泛化能力提高深基坑变形预测问题⋯。目前，国内外在基坑变形预测方面所采用的的准确性。方法诸如数值模拟方法、灰色系统理论、模拟退1粒子群优化算法所示，当1

5、登亮．基坑工程中土拱效应分析[J]．城市地质，2007，3(1)：39—42．止土压力；当11．5时，砂性土拱效应比较明[3]李德章．咬合桩支护结构侧向土压力的试验研究[J]．安徽显，此时土仓压力可取松动土压力。建筑工业学院学报(自然科学版)，2009，1(1)：15—17．(2)当H／D<1时，松动土压力随埋深增长较[4]加瑞，朱伟，钟

6、小春．砂土拱效应的挡板下落试验及机理研快，隧道上部土体拱效应不明显；当1≤H／D<2时，松究[J]．岩土力学，2006，12(27)：687—692．动土压力增长缓和并出现减小的趋势，土体拱效应开[5]张清波．隧道施工引起的地表变形分析和预测研究[D]．南始产生作用；当H／D>2时，松动土压力比初始值有很京：南京工业大学，2008．大减少，并趋于平缓，土体拱效应趋于稳定。[收稿日期]2015—08—28(3)当H／D<2时，隧道上部土体的竖向土压力[作者简介]李冰(1992一)，男，安徽阜阳人，硕士研究生迅速减小，而水平应力迅速增大，土体通过摩擦抵

7、抗从事岩土工程方面研究。黄立本等：PSO优化BP算法在基坑变形预测中的应用141粒子群优化算法是近些年兴起的一种智能优化设计者的经验而且还要不断的实验来得到，求解问题算法，简称为PSO算法。该算法是Kennedy博士和的要求、输入和输出单元的数目都与隐含层单元的数Eberhart博士两人受到鸟群捕食行为的启发而提出目有着直接关系。本文采用公式(4)、(5)对隐含层的，被用于解决优化问题。在粒子群算法中，每个单元数进行估算，式中，n，隐含层单元数；l'b为输入优化问题的解被认为是搜索空间中的一只鸟，也就是单元数；m为输出单元数；0为[1，10]之间的

8、一个常粒子群算法中的“粒子”，每个粒子都有属于它自己的数，并通过反复试验确定隐含层单元数为：位置、速度和一个由被优化的函数