一种基于bp神经网络的双桥静力触探数据的力学指标确定方法

文档序号:5304385阅读:428来源:国知局
一种基于bp神经网络的双桥静力触探数据的力学指标确定方法
【专利摘要】一种基于BP神经网络的双桥静力触探数据的力学指标确定方法,其步骤为:①双桥静力触探数据和土的力学指标的收集与整理;②建立双桥静力触探力学指标确定BP神经网络预测模型;③对双桥静力触探力学指标确定BP神经网络预测模型进行训练;④运用已完成训练的双桥静力触探力学指标确定BP神经网络预测模型对土层力学指标进行预测。其优点是:为通过静力触探数据确定土层力学指标提供了可靠的理论方法;以大量双桥静力触探数据和土类力学指标作为训练样本,为力学指标确定BP神经网络预测模型的可靠性提供有力支撑,保证了预测结果的准确性;可使勘察工作中钻探孔数大大减少,从而缩短勘察周期,节约勘察成本,并能提高工程勘察的质量。
【专利说明】一种基于BP神经网络的双桥静力触探数据的力学指标确定方法
【技术领域】
[0001]本发明涉及岩土工程原位测试应用研究领域,具体地说是一种基于BP神经网络的双桥静力触探数据的力学指标确定方法。
【背景技术】
[0002]传统勘察方式以钻探为主,而把静力触探作为改善和提高勘察精度的一项辅助措施,而新的勘察方式则强调勘察应以静力触探为基础和有针对性地进行钻探、室内试验和其他原位测试,它同样重视钻探、室内试验的作用,这种勘察方式的转变使钻探孔数大大减少,缩短了勘察周期,节约了勘察成本,并提高了勘察的质量。利用静力触探测试技术代替传统的勘察方式,需要对静力触探数据进行深入的挖掘和充分的利用。
[0003]目前,国内外学者通过静力触探参数与土层力学指标间的统计分析已建立了大量的回归方程或经验公式,但这些回归方程受土性分类识别、形成环境及回归分析中所采用静力触探参数的可靠性影响,在工程实践中难以广泛应用;现有一些地方规范及工程地质手册主要列出了单桥静力触探数据与地基承载力的经验取值关系,并无具体的理论和方法,适用范围也不广泛。因此,如何提供一种基于双桥静力触探数据的力学指标确定方法,建立力学指标的预测模型,已成为本领域亟待解决的技术问题。

【发明内容】

[0004]本发明的目的是利用现有的双桥静力触探数据和地基承载力、抗剪强度、压缩模量三个力学指标,采用BP神经网络算法,研制一种基于BP神经网络的双桥静力触探数据的力学指标确定方法。
[0005]本发明一种基于BP神经网络的双桥静力触探数据的力学指标确定方法,其具体技术方法按以下步骤实施:
[0006]①、双桥静力触探数据和土的力学指标的收集与整理:通过收集整理场地工程地质勘察报告、土工试验成果资料等,收集统计双桥静力触探数据和土的力学指标;
[0007]所述的双桥静力触探数据包括锥尖阻力q。和侧壁摩阻力fs ;所述的土的力学指标包括地基承载力fQ、抗剪强度(粘聚力C、内摩擦角P)、压缩模量Es。
[0008]②、建立双桥静力触探力学指标确定BP神经网络预测模型:基于BP神经网络算法,利用步骤①的数据信息建立预测模型;
[0009]所述的双桥静力触探力学指标确定BP神经网络模型采用I个输入层、I个输出层和I个隐含层的网络结构,具体建立过程按下列方式实施:
[0010]将沿深度的第η-2, η-1, η, η+1, η+2个锥尖阻力qc值和n~2, n_l, n, n+1, n+2个
侧摩阻力fs值作为输入层,网络模型输入层由10维矢量构成:
[0011]X-[q:-\C\q:,qT\qn:2fr2JrlJ:jrljr2]
[0012]将第η个输入值对应深度点处土的力学指标作为输出层,网络模型输出层为4维矢量:
[0013]Y = [Dn, Cn, Jn, Mn,]
[0014]Dn表示第η个输入值对应深度处的地基承载力,Cn表示第η个输入值对应深度处的粘聚力,Jn表示第η个输入值对应深度处的tanq>,Mn表示第η个输入值对应深度处的压
缩模量。
[0015]③、对双桥静力触探力学指标确定BP神经网络预测模型进行训练:运用matlab软件,设定网络训练函数类型,输出层激活函数类型,最大迭代次数epochs,期望误差最小值设定值goal和修正权值的学习效率Ir,对BP神经网络模型进行训练;
[0016]所述的网络训练函数类型采用traincgf函数;
[0017]所述的输出层激活函数类型采用purelin函数;
[0018]所述的最大迭代次数epochs设定为1000次;
[0019]所述的期望误差最小值设定值goal设定为0.01 ;
[0020]所述的修正权值的学习效率Ir设定为0.05。
[0021]④、运用步骤③中已完成训练的双桥静力触探力学指标确定BP神经网络预测模型,通过土层双桥静力触探数据平均值对土层力学指标进行预测;
[0022]所述的土层双桥静力触探数据平均值为各层土中所有锥尖阻力q。和侧壁摩阻力fs的算数平均值。
[0023]本发明一种基于BP神经网络的双桥静力触探数据的力学指标确定方法的优点是:为通过静力触探数据确定土层力学指标提供了可靠的理论方法;以大量双桥静力触探数据和土类力学指标作为训练样本,为力学指标确定BP神经网络预测模型的可靠性提供有力支撑,保证了预测结果的准确性;可使勘察工作中钻探孔数大大减少,从而缩短勘察周期,节约勘察成本,并能提高工程勘察的质量。
【专利附图】

【附图说明】
[0024]图1为一种基于BP神经网络的双桥静力触探数据的力学指标确定方法的流程图;
[0025]图2为双桥静力触探数据力学指标确定BP神经网络结构图。
【具体实施方式】
[0026]以下通过特定的具体实例说明本发明的实施方式,请参阅图1,一种基于BP神经网络的双桥静力触探数据的力学指标确定方法:
[0027]①、双桥静力触探数据和土的力学指标的收集与整理:通过收集整理长三角地区各典型地质区域工程地质勘察报告、土工试验成果资料等,收集统计双桥静力触探数据和土的力学指标,共计89组,其中包含Q4al粘土 28组、Q4al粉质粘土 22组、Q4al粉土 27组、Q4al粉砂12组;
[0028]②、建立双桥静力触探力学指标确定BP神经网络预测模型:基于BP神经网络算法,利用步骤①的数据信息建立预测模型,训练样本示例见表I ;
[0029]表I双桥静力触探力学指标确定BP神经网络训练样本示例
[0030]
【权利要求】
1.一种基于BP神经网络的双桥静力触探数据的力学指标确定方法,其特征在于,其方法包括以下步骤: ①、双桥静力触探数据和土的力学指标的收集与整理:通过收集整理场地工程地质勘察报告、土工试验成果资料等,收集统计双桥静力触探数据和土的力学指标; ②、建立双桥静力触探力学指标确定BP神经网络预测模型:基于BP神经网络算法,利用步骤①的数据信息建立预测模型; ③、对双桥静力触探力学指标确定BP神经网络预测模型进行训练:运用matlab软件,设定网络训练函数类型,输出层激活函数类型,最大迭代次数epochs,期望误差最小值设定值goal和修正权值的学习效率Ir,对BP神经网络模型进行训练; ④、运用步骤③中已完成训练的双桥静力触探力学指标确定BP神经网络预测模型,通过土层双桥静力触探数据平均值对土层力学指标进行预测。
2.根据权利要求1所述的一种基于BP神经网络的双桥静力触探数据的力学指标确定方法,其特征在于:所述的双桥静力触探数据,包括锥尖阻力q。和侧壁摩阻力fs ;所述的土的力学指标,包括:地基承载力&、抗剪强度(粘聚力C、内摩擦角P)、压缩模量Es。
3.根据权利要求1所述的一种基于BP神经网络的双桥静力触探数据的力学指标确定方法,其特征在于:所述的双桥静力触探力学指标确定BP神经网络模型采用I个输入层、I个输出层和I个隐含层的网络结构,具体建立过程按下列方式实施: 将沿深度的第n-2, n-1,n, n+1,n+2个锥尖阻力qc值和n-2, n-l, n, n+1,n+2个侧摩阻力fs值作为输入层,网络模型输入层由10维矢量构成:

4.根据权利要求1所述的一种基于BP神经网络的双桥静力触探数据的力学指标确定方法,其特征在于:所述的网络训练函数类型采用traincgf函数;所述的输出层激活函数类型采用purelin函数;所述的最大迭代次数epochs设定为1000次;所述的期望误差最小值设定值goal设定为0.01 ;所述的修正权值的学习效率Ir设定为0.05。
5.根据权利要求1所述的一种基于BP神经网络的双桥静力触探数据的力学指标确定方法,其特征在于:所述的土层双桥静力触探数据平均值为各层土中所有锥尖阻力q。和侧壁摩阻力fs的算数平均值。
【文档编号】E02D1/00GK103912026SQ201410104939
【公开日】2014年7月9日 申请日期:2014年3月20日 优先权日:2014年3月20日
【发明者】蔡清, 程江涛, 万凯军, 于沉香, 陈定安, 黄静 申请人:中冶集团武汉勘察研究院有限公司
网友询问留言 已有0条留言
  • 还没有人留言评论。精彩留言会获得点赞!
1