高速公路桥梁抗水毁稳定性评价体系研究

池育源

（山西交通科学研究院集团有限公司，山西 太原 030001）

引言

在实际工程设计中，诱发桥梁水毁的因素存在诸多不确定性和多因素耦合作用的共性问题，难以采用单一确定性分析方法对桥梁抗水毁稳定性做出准确评价。模糊评价方法作为一种非确定性和耦合多因素的分析方法，在处理问题时将问题模型简化，实现快速求解。赵红[1]通过对桥涵水毁因素的复杂性和随机性进行分析，运用模糊理论联合常用的评价理论，初步建立了所研究区域的高速公路桥涵抗水毁设计稳定性评价体系；弋珂源[2]采用模糊评价理论的最大隶属度法对评价指标处理，通过对所研究的桥涵抗水毁安全性分级处理，进一步补充完善了抗水毁设计稳定性评价体系。当运用到桥梁抗水毁稳定性评价时，人为因素较多，导致评价结果存在一定不确定误差。人工神经网络具有强大的自适应学习功能、串联存储功能和快速寻找最优解的特点[3]，使其能够通过选取一定代表性的样本进行学习而提高模型的准确性。目前将神经网络理论直接运用于桥梁水毁安全性评价的成果尚少，在前人研究的基础上，结合两者的优缺点，在模糊理论基础上，提出模糊-神经网络的桥梁稳定性综合评价模型，通过人工神经网络较强的知识获取能力和非线性映射功能，进行非线性计算，实现桥梁的抗水毁稳定性综合评价研究[4-5]。

1 模糊-神经网络综合评价方法

1.1 模糊评价

模糊评价理论，是在全面考虑各种影响因子的作用下，采用模糊数学工具的方法来对研究对象的评价指标进行处理并分析评价[6]。假设研究对象的m种影响因子A=｛A1，A2…Ai…Am｝，每种影响因子所在环境的m种评价为B=｛B1，B2…Bi…Bm｝[7]。

模糊评价方法的基本步骤：（1）确定因素集和评价集。因素集：A=｛a1，a2，…am｝；评价集：B=｛b1，b2，…bm｝。（2）建立m个评价因素的权重分配向量A，权重分配，即权重值，本研究通过层次分析法实现权重分配。（3）由研究对象的各单因子模糊评价，得到模糊综合评价矩阵。评价对象对应的综合评价矩阵为Ci=｛ci1，ci2，ci3…cim｝。式中：i—第i个因素ai的单因素评价；cij—第i（1≤i≤m）个因素ai在第j（1≤j≤m）个评价bi上的频率分布，满足归一化： cij=1。（4）通过复合运算，获得综合评价结果[8]，E=D·C。式中：D—权重向量，E—结果向量。（5）对评价指标进行处理，综合评价是为了将最优对象从对象集中选定，采取最大隶属度法选定评价指标[2]。

1.2 人工神经网络评价

人工神经网络是一种类似于生物神经系统结构，能够定量或定性的对信息进行处理、具有超强容差功能[9]，同时能够自我组织学习和适应不确定的系统环境，并进行运算的信息处理网络系统模型。

依据结构、激发函数，人工神经网络有许多分类，BP网络是其中最常用的一种，其步骤[10]：（1）归一化处理各评价指标属性值。（2）在BP神经网络中输入归一化后的结果作为输入值，训练学习并适当调整。（3）合理选择网络参数，设置各属性值。（4）以研究对象的各个评价指标值作为输入值，基于网格算法，实现模型仿真，给出评价结果。

1.3 模糊-神经网络相结合的综合评价模型

与传统的建模方式相比较，神经网络建模具有超强的映射能力和强大的容差性能。但是限于神经网络模型基本规则，只能将初始值设置为0或随机数，具有一定的局限性。而模糊理论则可将精确的问题模糊化、尽可能地“简单化”处理。充分结合神经网络理论和模糊理论的优点，在利用神经网络自适应能力的同时，将神经网络模糊化，提出模糊-神经网络综合评价模型，采用MATLAB 软件工具箱进行桥梁抗水毁稳定性相关数据的处理。计算结果表明，该模型可以很好地解决桥梁抗水毁稳定性评价的不确定性和模糊性，具有较好的计算效率和准确度，可以实现高效、合理的桥梁抗水毁稳定性评价。

2 建立桥梁稳定性评价模型

2.1 工程实例

以某大桥为例，对其抗水毁稳定性进行综合评价。该大桥总长680.35 m，共有30跨，单孔跨径22 m。上部采用预应力混凝土、先简后支的连续箱型连续梁结构，下部桥墩为独柱式、双柱式，基础为嵌岩桩，桥台采用重力式。洪水流量的设计频率：0.01；原设计水位：1 019.5 m、1 010.3 m；桥位处的原设计流量：1 051 m3/s；地震烈度：6°。

2.2 确定单因素评价指标及矩阵

通过分析影响桥梁抗水毁稳定性因子的复杂性，结合各指标选取的难易程度，对主要因素进行综合评价，参数取值方法与规则见表1、表2。

表1 自然条件的评价指标

表2 涉及人为的评价指标

自然因素及人为因素判断矩阵C1、C2分别为：

2.3 权重归一化处理

根据层次分析法对该体系的各层次评价指标进行计算，所得结果见表3～表5。

表3 矩阵和权重计算

表4 自然条件的评价矩阵及权重分配

表5 涉及人为的评价矩阵及权重分配

得到，权重向量：

2.4 模糊-神经网络综合评价

以确定的单因子判断矩阵和权重分配值作为样本，将训练次数设定为1 200，学习速率为0.02，容许误差为0.005，经过次数递增性反复试验，结果稳定时确定达到训练次数要求，得到一级评判准则的结论向量。

通过最大隶属度算法完成对模糊-神经网络评价模型的计算，选用评判向量D中的最大值作为评价指标的输出结果，给出评判结论为：该大桥抗水毁稳定性状态评定为安全。

3 结语

（1）以经典模糊评价方法为基础，融合人工神经网络算法，给出更加满足工程实际需求的模糊-神经网络的综合评价方法，应用于高速公路桥梁抗水毁稳定性评价体系，通过MATLAB工具箱实现模型计算。（2）结合神经网络模型，采用最大隶属度法判断高速公路某大桥抗水毁的稳定性状态，利用程序编程，完成设计校核，在工程应用推广中具有较强的可行性和实用性。