人工神经网络在基坑支护施工质量评价中的应用研究

李佳玉

[摘要]在影响基坑边坡的各种不确定因素错综复杂评价过程中，以BP神经网络为主的评价模型存在收敛速度慢，容易陷入局部极值等缺陷。鉴于人工鱼群算法在全局寻优和收敛速度上的优越性，本文提出一种基于人工鱼群算法优化BP神经网络的评价模型。评价结果表明，该方法是可行的。

[关键词]基坑支护；施工质量；应用研究；人工鱼群算法 文章编号：2095 - 4085（2018） 07 - 0179 - 02

依据某市水资源可持续发展状况，本文对此提出的基坑边坡稳定性方法，基于BP神经网络进行评价。将人工鱼群算法引入神经网络的权值优化过程中，在网络计算中，并且通过对BP神经网络收敛速度慢的特性点，计算结果表明，该算法在整个计算过程中对最优值的优化具有准确、方便、快速的优点[1]，为模型建立符合事实进行指导作用。

1 人工鱼群算法

1.1 人工鱼群算法概述

由于鱼类数量最多，在该地区生活的一般是水体中营养最丰富的，鱼类中的鱼往往能发现自己或跟随其他鱼类寻找高营养物。分析的基本前提是建立各因素的本构关系，在此基础上合理选择单元仿真模型。目前已有三种模拟方法，可以用大型有限元软件进行分析。模拟的方法主要有三种，可以归纳为以下三种典型行为：①觅食行为②聚群行为③追尾行为[2]。

如果量程不是很小，鱼的面积很小，计算机的容量和处理速度都要考虑到整体的模型。在替代整个区域结构之前，应分析差异，判断所选模型的合理性。

1.2人工鱼群网络

鉴于人工鱼群算法作为一种全局搜寻算法，BP算法收敛速度慢，并且很容易于陷入局部最优解的特性，还有极强的全局最优解寻优性能，因此把他们BP算法和人工鱼群算法两者有机的结合起来，叫做人工鱼群网络[3]。

（1）初始化权值和阈值。在网络结构BP（n，q，m）拟定后，隐含层第j单元的激活阈值OjH（j=l，∧，q）及输出层第k单元的激活阈值0k（k=l，∧，m），网络参数包括输入i单元到隐含层第J单元的权值W1（i=1，∧，q；j=1，∧，k）隐含层第j单元到输出层第k单元的权值Wjk（j=l，∧，q；k=1，∧，m。

将每条人工鱼看一组权值和阈值，权值和优化的过程就是人工鱼不断改变位置寻找最佳食物源的过程。

假设人工鱼的初始重量是可见区域的下一个状态的随机选择，如果结果表明该状态下的食物浓度大于当前状态下的食物浓度，那么步骤就朝着那个方向前进。相反，若是随机选择的，经过多次的检查，如果还不满意，然后随机步骤。

（2）计算样本信息。首先向前暗示，通过激活函数输出隐藏信息，假设有总样本，首先训练样本信息。

（3）对样本信息进行计算。首先向前传播到隐含上，经过激活函数f（x）的作用得到隐含层的输出信息，假设总计有p个式样标本，输第r个（r=1，∧，p）训练标本信息。Hir=f（∑WljXir-OjH），（j=1，∧，q，r=l，∧，p.

}2l

（1）激活函数f（x）一般采用型Sigmoid，即

从输出信息传到输出层，可得到最终输出的隐含层结果为：

如果网络输出与期望输出间存在一定的误差，则将误差反向输入，利用公式来调节网络权值和阈值：

上诉过程就是网络学习的信息正向输入行为，另一个行为为误差反向输入过程。

在满足一定误差满足的要求下，多次计算以上两个过程，直至出现网络输出与期望输出间值。

1.3确立相应模型

典型的工作有理论研究是三种行为的基础，其理论基础也通过数值计算和结构相互作用计算。由于行为的复杂性还没有像其他样本那样获得完美的模型关系，许多学者已经开始从宏观和微观两个方面建立和研究模型。典型的工作

虽然考虑了这些因素的物理非线性，但本构方程受到非线性本构理论的限制。

在实验中，易分化的变化分为三个阶段。该模型在低速计算的作用下表现出很强的特性。在大区域结构的情况下，应从区域条件、区域的合理模擬和样本因素等方面进行分析，分为三个阶段，其中一个阶段是初步的。第二阶段是第二阶段，又称稳定状态；第三、三阶段是最后阶段，即不稳定阶段。

2 基坑支护评价

这种方法简单模型，结合实际情况，本文采用人工鱼群算法对基坑支护的评价指标数据的处理也更轻便，当然，也有一些缺点，位置可左右移动，当实体单元不够紧密，但误差在可接受的范围。这种方法是解决形式复杂且数量很多时的较佳方法。

2.1选取评价标准

在这一部分，人工鱼群算法应用于基坑支护参数优化特性评价基坑支护工程的评价标准、评价指标和六级五。这里输入的层为1层素填土、2层粉土、3层粉土、4层粉土、5层粉土、6层粉质粘土与粘土输出为基坑支护评价等级。将人工鱼所代表的权值w、权值v设置为20组，可视域Visual=1.5，拥挤度因子δ=0.7，最大步长Step=0.5。迭代次数Num=10000。

2.2样本生成

生成的计算样本，由此得出的计算样本是在五个指标的六级水平基础上，在指标每一级的标准值范围内进行的，随机生成六个样本，六级标准总共生成二十个建模样本。

2.3结果分析

两种实验方案的运行可见用基坑支护评价的个建模样本，将评价指标数据规范化后，BP，AF - BP模型可持续评结果对比，其中一级（ BP3. 17，AF -BP3. 96）二级（BP2. 17，AF - BP2. 96）三级（BP3.27，AF - BP3. 94）四级（BP3. 47，AF - BP3. 98）五级（ BP3. 23 ，AF - BP3. 86）六级（BP3. 43， AF - BP3.76）。

通过比较不同二种神经网络，精度更加准确，收敛速度更好，得出人工鱼群AF -BP神经网络对基坑支护的评价效果很好，优于经典BP神经网络。

3 结语

本文应用了人工鱼群算法优化BP神经网络评价模型，并用于基坑支护评价，结果表明，此方法具有鲁棒性好，全局收敛性好，收敛速度快等优点，对其评价等级进行比较，进一步显示出该方法的优越性，不失为在基坑支护施工过程中，由于切实采取技术措施，在施工过程中杜绝了失稳的产生，为工程的加固设计提供参考依据，并对管理具有指导意义。

参考文献：

[1]郭继秋，唐慧哲.工程项目成本管理[M].北京：化学工业出版社，2005.

[2]侯志荣，吕振肃.IIR数字滤波器设计的粒子群优化算法[J].电路与系统学报，2003，8（4）：16 -19.

[3]李晓磊，邵之江，钱积新，一种基于动物自治体的寻优模式：鱼群算法[J].系统工程理论与实践，2002，22 （11）：32 - 38.