基于Hopfield网络的水利工程软土地基处理技术对比研究

李易达

(渤海工程项目管理有限公司，辽宁 朝阳 122000)

1 研究背景

软土是指由黏土和粉土等细微颗粒含量多的松软土、孔隙大的有机质土、泥炭以及松散砂等土层构成的土体，一般分布于沿海、大江大河冲积平原以及湖泊沉积地区等，具有含水量高、孔隙比大、压缩性高、强度低、渗透性小、水稳定性等典型特征[1]。天然的软土一般无法达到水工建筑结构物所要求的地基标准，因此在实际水利工程中，常要对软土地基进行处理，否则可对整个水利设施的施工质量与使用安全性造成严重影响。地基的处理是保证水利工程质量的重要环节[2]，因此软土地基处理技术一直是水利工程界的研究热点。软土地基处理可采用换土法、排水固结法、振动水冲法[3]等许多不同的技术，目前国内外并无统一的标准，而各项技术的选择一直是软土地基处理领域的难点。传统的软土地基处理技术选择一般是基于专家判断法，该方法较为简单直接、成本低廉，但主观性较强；较为先进的评价方法包括熵权法[4]、层次分析法[5]、模糊评价法[6]等，此类方法可以提升决策过程中的客观化程度，但评价指标的选择或指标权重的确定存在较大的不确定性；因此有必要继续探索有效的决策方法。文章提出基于Hopfield网络的水利工程软土地基处理技术对比方法，并以排水固结法、化学固结法和人工材料加筋加固法3种水利工程中常用的软土地基处理技术为例对其进行应用，分别采用6种不同的神经网络技术对不同处理条件下的地基最终沉降值进行模拟，并与实测值进行比较，证明Hopfield网络的模拟效果最佳，再设计并运行Hopfield网络模拟试验并根据试验结果对3种软土地基处理方式的效果进行对比，从而为水利工程软土地基处理技术的优化选择提供依据。

2 研究方法

2.1 软土地基处理技术

软土地基处理可采用换土法、排水固结法、振动水冲法[3]等许多不同的技术，文章主要关注排水固结法、化学固结法和人工材料加筋加固法3种水利工程中最常用的技术。排水固结处理技术是将软土中所含有的水分通过沙井排水、水管排水等方式排除，从而提高软土地基的稳固性及承载能力；化学固结法主要是指通过灌浆、深层搅拌、高压喷射等方法将具有固化作用的液体注入软土层，从而固化软土颗粒、提高整个软土地基的承载能力；人工材料加筋加固处理技术是在软土地基表面覆盖一层人工合成工程材料，从而有效地分散水工建筑物的重量对地基所产生的压力，使整个地基所承受的压强相对比较均衡。

2.2 神经网络法

神经网络是一种模仿生物神经网络的结果和功能的数学模型或计算模型[7]用于对函数进行估计或近似，其实质是一种非线性的统计性数据建模工具[8]。神经网络可分为许多不同的类型，文章主要分析其中比较常见的6种神经网络法，分别为RBF法、Hopfield法、Elman法、自组织法、线性法和感知器法，各方法的背景介绍、模拟原理和数学公式可参见文献[9]。文章主要采用MATLAB软件的Neural Network Toolbox工具箱与相关脚本进行各类神经网络分析，输入实测的软土地基特性和最终沉降样本数据，运行程序则可对模型进行训练并建立起软土地基沉降的预测模型，之后，输入新的软土地基特性数据，则该模型将模拟出最终的软土地基沉降值，而不同处理技术所对应的最终沉降值则可代表着相应技术的处理效果。该方法操作简单、运行速度快，具有较高的实用价值，类似的研究方法已在交通公路等领域得到了有效的应用[10]，但目前在水利工程软土地基处理技术的对比研究中几乎未被应用过，因此有必要对其进行尝试。

2.3 训练样本输入值

为建立神经网络模型，需准备一定数量的训练样本，各样本的输入值可分为两部分，一部分是影响软土地基沉降的主要因素，另一部分是软土地基的最终沉降值。笔者查阅观音阁水库输水、大伙房水库输水二期抗旱应急、猴山水库、大雅河水利枢纽等水利工程建设的《工程地质勘察报告》等材料，共搜集30份样本，其中样本1～10对应于排水固结法处理技术，样本11～20对应于化学固结法处理技术，样本21～30对应于人工材料加筋加固法处理技术。除地基处理技术外，软土地基沉降的主要参数还包括软土层厚H1、硬层厚度H2、软土压缩模量E1和硬层压缩模量E2等。为将所有数据整合至一张图表中，对各参数进行归一化处理，其归一化参数值为某样本的实际值与所有样本中最大值之比，其中H1，H2，E1和E2的最大值分别为50.9m、3.1m、3.09MPa和9.95MPa，处理结果如图1所示。

图1 软土地基沉降分析的训练样本输入值

3 研究结果

3.1 神经网络方法比选

神经网络模型可分为许多种，而各模型之间的性能存在着一定的差异，因此有必要对各模型进行比选。采用MATLAB软件的Neural Network Toolbox工具箱与相关脚本，输入图1所示的软土地基特性参数值与最终沉降值数据，分别选取RBF法、Hopfield法、Elman法、自组织法、线性法和感知器法，运行程序，建立对应于各地基处理技术的神经网络模型。模型的训练效果如图2所示，其中曲线代表各样本的实测沉降值，各散点代表不同模型的最终沉降值拟合结果(以下称为“模拟值”)。观察图2可知，各模型的模拟效果均较为接近实测值，但精确程度存在比较明显的差异，如线性法在样本7和12中出现了较大的偏差，而Hopfield法的模拟结果则与实测值保持高度的吻合；根据偏离实测值程度由小到大，各神经网络模型可排序为Hopfield、Elman、RBF、自组织、感知器和线性，即在以上各类方法中，Hopfield为最佳的水利工程软土地基最终沉降模拟工具。

图2 最终沉降值的实测与模拟结果

3.2 Hopfield网络法有效性评价

为进一步评价Hopfield网络法在分析水利工程软土地基处理技术中的有效性，做实测沉降值与Hopfield网络模拟值之间的对比散点图，如图3所示。据图3中各散点的位置可知，各散点均较为接近等值线，说明模拟结果较为精确。据图3中左上部分的沉降值汇总数据可知，Hopfield网络法高估了实测的最小沉降值，而低估了最大值，说明预测结果相对于实测值更为平滑，主要是因为在模拟过程中忽略了一些影响较小的要素；但平均值仅与实测值相差0.3mm，非常接近，说明Hopfield网络在判断平均水平方面精确度较高。根据图3中右下部分的误差分析数据可知，Hopfield网络模拟结果与实测值之间的各项误差指标均较小，满足应用要求。综上，Hopfield网络可准确模拟不同地基处理情况下的最终沉降值，因此在水利工程软土地基处理的技术对比中具有较强的有效性。

图3 实测与Hopfield网络模拟沉降值对比

3.3 软土地基处理技术对比

对比各软土地基处理技术的效果需要较多的案例，但若采取物理试验法进行样本的收集需要耗费大量的人力物力，在短期内难以实现。因此，文章采用经过训练与验证的Hopfield网络模型进行模拟试验，并根据试验结果对各项地基处理技术的效果进行分析。

图4 软土地基沉降的Hopfield网络模拟试验结果

首先，采用MATLAB随机生成120组样本输入数据(H1，H2，E1，E2)，即每项地基处理技术工况分别对应40组样本；为确保生成数据的合理性，将各模拟试验样本的输入值与训练样本中之间的差别控制在15%以内；再将生成的输入数据分别输入MATLAB系统并运行相应的Hopfield网络模型，得到各样本的最终沉降值，如图4所示。

基于图4所示的数据可知，排水固结法、化学固结法和人工材料加筋加固法所对应的样本中，最小的最终地基沉降值分别为61，48和49mm，最大的最终沉降值分别为2239，2179和2223mm，而平均最终沉降值分别为791，765和772mm。各项指标的大小顺序完全一致，又因为最终沉降值越小，表明地基处理技术的效果越好，因此可以认为在所研究的3种水利工程软土地基处理技术中，化学固结法的效果最佳，人工材料加筋加固法其次，而排水固结法的效果则相对最差。

4 结论

基于Hopfield网络法进行水利工程软土地基处理技术的对比精确度很高，具有一定的推广价值。采用该方法对不同技术的处理技术进行分析，结果表明化学固结法的总体效果最好，人工材料加筋加固法次之，而排水固结法的效果相对较差。研究成果可以为水利工程软土地基处理技术的对比判断提供有效的分析工具，但尚存在一定的不足，在以后的研究中应该收集更多的实测资料对Hopfield模型进行训练与验证，同时，也可以从经济、社会以及环境等方面对各项地基处理技术进行更为全面的评价。