基于BP神经网络的嵌岩桩溶洞顶板破坏预测研究

摘要：在施工或运营过程中，常常会出现溶洞坍塌，给工程的施工带来了很大的危害。如何根据已有的地质资料预测其在施工或运营条件下是否稳定，对顺利的施工和运营有着重要的研究价值和实用价值。文章通过数值分析多种条件下溶洞顶板的稳定性作为训练组，并对测验组进行验证得出了较为满意的结果。

关键词：岩溶；嵌岩桩；溶洞顶板；BP神经网络；地质资料预测 文献标识码：A

中图分类号：U416 文章编号：1009-2374（2017）10-0229-02 DOI：10.13535/j.cnki.11-4406/n.2017.10.115

近年来，随着我国工程建设的大规模开展，尤其是西部地区，很多的建筑、桥梁、公路、水利水电工程、地下工程等不可避免地会穿过或建在岩溶地区。同时随着桩基础在岩溶地区的广泛应用，桩基在岩溶地区的稳定性成为了比较突出的问题。尤其是施工中出现很多的问题，比如施工过程中基坑或桩孔中出现大量的涌水冒浆现象，可能导致基坑和桩孔的坍塌；由于岩层的不均匀性出现桩体的滑移现象等。溶洞坍塌是由于溶洞顶板的失稳导致。目前对于溶洞顶板的失稳的判断失稳有很多种方法，主要有定性、半定量、定量的方法。定性分析方法主要有影响因素分析法、专家系统评价法、工程地质分析判定法和经验比拟法等；半定量分析方法是采用半定量近似结构力学的分析方法；定量分析方法主要有解析法、模糊分析方法、数值分析法等。溶洞顶板稳定性分析对项目的设计、施工和运营是必不可少的。目前定量方法对溶洞顶板稳定分析应用最为广泛，也是最准确的。如何准确、科学、便捷地进行溶洞顶板稳定性的预测，本文通过ABAQUS对建立的桩土模型机型数值仿真模拟，并尝试用BP神经网络对溶洞顶板稳定性进行预测。

1 BP神经网络

BP神经网絡又称误差反向传播多层前馈神经网络，包括一个输入层、一个或多个隐含层、一个输出层。BP算法使用最优化方法中的梯度下降法，目的是使实际输出和目标输出之间的均方差最小化。

BP神经网络是在岩土与结构领域应用最为广泛的神经网络。BP神经网络具有以下三大功能：（1）能实现任何布尔函数，所以BP神经网络具有分类功能；（2）在模式识别中能划分输入空间，生成复杂边界，所以BP神经网络具有导师的模式识别的功能；（3）能逼近从Rn到Rm的任意连续映射，特别是高度非线性映射，所以BP网络具有优化功能。

本文研究中，遗传神经网络的实现是利用的MATLAB2014a提供的工具箱以及遗传算法工具箱的函数完成的。

2 预测模型的实现

2.1 输入层的确定

溶洞顶板稳定性的影响因素很多，岩体的完整性、溶洞跨度、溶洞高度、上覆层土的厚度、桩体直径、桩体嵌岩深度等。本文选取对溶洞顶板稳定性影响比较大的影响因素：上覆层土体厚度、桩径、洞跨、施加荷载、岩体的完整性（RMR）。对这五种影响因素进行正交和均匀试验设计，获得五水平五因素的25和5组试验（如表1和2）。将这五种影响因素作为输入层。

2.2 隐含层节点数目的确定

本文选取三层BP神经网络，隐含层节点数对于神经网络预测模型的准确性有较大影响。本文通过for循环对节点建立多个预测模型，将误差最小的模型所对应的节点数作为隐含层节点数。

2.3 输出层的确定

本文主要是判断桩土模型在施加荷载情况下，溶洞顶板是否稳定。这需要BP神经网络的分类功能。将试验的结果分为两类：稳定设定为“1”，失稳设定为“0”。一般将接近“1”的为稳定，接近“0”为失稳。这里将[-0.1，0.1]认为稳定，[0.8，1.2]为失稳。

3 训练样本的整理及结果的分析

通过ABAQUS对正交试验设计组进行数值仿真模拟，对桩土模型桩顶施加1000kN荷载。溶洞顶板失稳判断方法：相对沉降法、转折点法、塑性贯通法。将正交试验设计的25组模型仿真结果作为神经网络的训练样本（表3），均匀试验设计5组模型仿真结果用来检验模型的准确性（表4）。

采用MATLAB建立BP神经网络模型，将正交试验的结果作为训练样本对神经网络训练。得出多个神经网络训练模型，通过MSE和RNL指标选择出较好的模型。采用测试组的试验结果进行验证（如表4）。从表中结果可以看出数值分析的结果与BP神经网络的结果基本相符，BP神经网络对判断溶洞顶板稳定是可行的。

表4 BP预测结果

4 结语

（1）从表4中，可以看出BP神经网络的预测结果与数值分析的结果相符，因此BP神经网络可以用来预测BP神经网络的稳定性；（2）不足：由于条件限制对于选取训练样本是理想化的，有一定的局限性。训练比较准确的BP神经网络需要大量数据，本文训练数据较少。

参考文献

[1] 岩土工程手册编委会.工程地质手册[M].北京：中国建筑工业出版社，1994.

[2] 周建普，李宪民.岩溶地基稳定性分析评价方法[J].矿业工程，2003，23（1）.

[3] 工程地质手册编委会.工程地质手册[M].北京：中国建筑工业出版社，1994.

[4] 赵明华，袁腾方，黎莉，蒋德松.岩溶区桩端持力层岩层安全厚度计算研究[J].中国公路，2003，1（1）.

[5] 杨军生，张军，张起森，张家生.溶洞上方圆形基础地基极限承载力有限元分析[J].岩石力学与工程学报，2005，（2）.

[6] 胡庆国，张可能，杨军生.溶洞上方条形基础地基极限承载力有限元分析[J].中南大学学报，2005，（1）.

[7] 颜艳芬.基桩桩端岩溶顶板稳定性模糊可靠性分析

[D].湖南大学，2009.

[8] 黎斌，范秋雁，秦凤荣.岩溶地区溶洞顶板稳定性分析[J].岩石力学与工程学报，2002，21（4）.

[9] 张林，杨志刚，钱庆强，唐绍辉.溶洞顶板稳定性影响因素正交有限元法分析[J].中国岩溶，2005，（2）.

[10] 符策简.岩溶地区隐伏溶洞顶板稳定性及变形分析

[J].岩土力学，2010，（31）.

[11] Ethem Alpaydin，范明，牛常勇，等.机器学习导论[M].北京：机械工业出版社，2014.

[12] 闻新，李新，张兴旺，等.应用MATLAB实现神经网络[M].北京：国防工业出版社，2015.

作者简介：张帆（1970-），男，江西抚州人，供职于深圳市交运工程集团有限公司。

（责任编辑：秦逊玉）