BP算法在公路软土路基沉降监测中的应用

彭启林

(广东华路交通科技有限公司，广州 510420)

0 引言

如何对软土路基沉降进行实时监测，及时发现路基沉降存在的隐患，降低路面凹凸、跳车等问题的出现率，是公路监理部门关注的重点[1]。有学者提出综合的评估方法，对软土路基沉降观测点的数据进行优化处理，以提高处理结果的准确性[2]。公路软土路基沉降对公路的稳定性影响显著，且需要进行持续的观测，以便及时采取处理措施。如何对公路软土路基沉降进行持续观测，在海量数据中找到关键监测量，是公路施工、监理部门亟待解决的问题。目前通常采用传统的算法进行数据处理与分析，但在实际工程中，由于监测数据量很大，这些海量的监测数据往往主要依靠人的经验判断，主观性强，费时费力且容易出错，因此有必要提出一种新的计算方法，减少传统计算分析方法对经验判断的依赖，提高数据处理工作的效率及准确率。

基于上述原因，本文提出一种BP算法，对公路软土路基沉降进行实时监测，通过设置条件函数的方式，提高软土路基沉降观测的准确度，有利于公路工程施工、监理、管理部门及时发现和监控路基沉降问题。

1 BP神经网络分析方法与算法

1.1 客观因素

BP神经网络是利用输入层、传输层和输出层的数据分析方法，对已知问题进行综合的定性、定量分析。其中，输入层的分析与输出层的结果之间，要进行多次的权重、阈值计算，以保证输出结果的准确性。BP神经网络的优势在于模糊性、综合性和学习性，可以对客观世界中的少量数据进行综合分析，并经过多次的学习和调整，得到与客观现实接近的综合计算结果。目前，BP神经网络广泛应用于社会各个领域，但在公路软土路基方面的研究较少。基于上述原因，本文将软土路基观测内容分为三方面：(1)软土路段所处的地质基础差，设置为x1；(2)软基路段土壤物理承受能力有限，设置为x2；(3)软土路段受温度、地下水影响，出现塑性变形，设置为x3。

1.2 主观因素

主观因素包括四个方面：(1)地下水位骤降，路段土壤下陷,设置为y1；(2)地质调查不充分,设置为y2；(3)路径设置存在人为失误，或计算失误,设置为y3；(4)施工过程不规范，施工材料不达标，施工评估不合理,设置为y4。

通过客观与主观的两个层面分析，不仅可以降低人为因素对于软土路基沉降观测的影响，而且可以对观测结果进行定量的分析，为后期处治策略的制定提供数据性的保障。

1.3 公路软土路基沉降观测的BP算法

(1)

式中:xi为主观影响因素，yj为客观影响因素，bij为阀值，wij为权重。为了保证路基沉降的准确性，根据《公路路基设计规范》、《公路软土地基路堤设计与施工技术规范》，对监测数据进行对比，得到数据的误差值e，即监测数值与相关规定中的数值差异。公式(1)可转化为以下公式：

(2)

式中：O为理论输出值，D为实际输出值。

1.4 公路软土路基沉降观测的误差分析

软土路基沉降观测分为随机误差Em和系统误差EC。Em是观测过程中由于难以控制的因素所导致的误差；EC是观测过程中由于观测工具、人为原因所导致的误差，如式(3)所示。

(3)

通过上述分析，公路软土路基沉降观测的系统误差和随机误差判断，可以从部分和整体两个方面进行误差分析，以此降低误差值。

2 BP算法与传统算法的对比分析

2.1 工程概况

广东兴宁至汕尾高速公路海丰至红海湾开发区项目是《广东省高速公路网规划(2004～2030年)》规划布局方案中二纵的组成部分，也是沟通汕尾与粤东北地区的交通干线，线路起自汕尾，经陆河、揭西、平远、兴宁至粤赣省界，项目一期工程起止位置为塘尾至赤坑。本施工监理合同段起止桩号为：K0+000～K21+840，路线总长21.84km，设特大桥、大桥5 758.316m/11座；中、小桥294.8m/8座；隧道1 684.5m/2座(双洞平均长)；涵洞33座，均为钢筋砼盖板涵；设塘尾、陆丰西、西湖、沙港互通立交共4处，可塘服务区1处。桥梁占路线总长的比例为27.7%，隧道比为7.7%，桥隧比为35.4%。

路线区域内几乎均有软土存在，软土埋深约0～10.2m，处理深度约4.3～21.0m，主要为淤泥质细砂、淤泥质粉质粘土，具有含水量高、高孔隙性、低渗透性、高压缩性、低抗剪强度、较显著的触变性和蠕变性等特点。软土路基起讫里程为K11+483～K21+840, 其中袋装砂井约355万m，管桩约17万m，A型素砼桩约22万m。软基预压荷载设计为等载预压，预压土方39.58万m3，预压高度约为0.9m。桥头段落前后30m超载预压，预压高度为1.2m。

2.2 常规软基监测数据处理

首先必须弄清地质情况，了解施工要求，理解设计意图后，制定详细的监测工作方案(细则)，待审批后，按方案细则要求进行准备工作。仪器埋设就绪后，监测小组成员严格按照制订的方案进行监测。

在监测仪器调试正常后，施工单位按“薄层轮加法”进行填土施工。填土后，监理工程师立即进行动态跟踪观测，经监控小组判别，反馈路堤稳定信息，若监控指标超标，则报监控领导小组，采取相应的停加载等措施。在取得强度增长规律后及时提出调整填土计划，总结本阶段监控成果，向业主汇报。

网板主要由丝网、网框和掩膜图形等组成。具体参数设置包括网板开孔尺寸、厚度及开孔方向。网板开孔尺寸主要由印刷板对应焊盘的尺寸决定；网板的越厚则开孔越小，越不有利于焊膏释放；焊膏释放在焊盘的长度方向与印刷方向一致时，印刷效果较好。常见网板设计工艺见表1。

监测工作是指导路基安全稳定填筑到设计高度的基础，监测设施的保护就显得尤为重要。施工单位务必做好现场管理工作，发现仪器损坏及时通知监控单位，并协助其进行仪器的恢复和复测工作。

软土路基沉降监测是公路地基稳定的保障。常规软土路基沉降观测的监测数据量较大，存在监测时间较长的问题，监控资料很难在当天整理及时分析并形成监测报告，将监测成果反馈给业主或监控领导小组，由监控领导小组通报给设计、监理和施工单位。

2.3 BP算法与传统算法对比分析

以兴宁至汕尾高速公路海丰至红海湾开发区段一期工程的软土地基为观测对象，I期的软土层为低液限粉土粘层，且地下水位在1.5m左右。观测BP算法与传统算法的指标，包括：地质基础x1、土壤物理承受能力x2、塑性变形x3；路段土壤下陷程度y1、地质调查情况y2、计算失误y3。具体内容见表1。

表1 观测点设置情况

由表1可知，BP算法的观测点少于传统算法，即BP算法的冗余数据量更少，为后期计算准确性的提高奠定基础。为了提高数据处理的效率，需确定数据的分类中心(分类中心即数据的聚类中心，便于提出非特征值)。通过上述分析，可以得到不同k值的分类中心(表2)。

表2 不同k值下的分类中心

由表2可见，聚类数目k=5时，di系数最大。两种算法的结果显示：Di和di分别为BP、传统算法的分类中心，Di最小值为0.230、最大值为0.303；di最小值0.309，最大值为0.462，表明BP算法的结果更优。

2.4 工程监测结果对比分析

在路堤、涵洞、桥梁等结构物的布设观测点，进行两种算法的比较。通常软土路段1 000m需平均布设5个断面，桥梁两端各3个,同一横断面布设3个沉降板。软土路基沉降应低于1.5cm/d。每填1层均需进行1次测量记录，因故停工时，3d观测1次。将BP算法对公路软土路基沉降观测的结果进行比较(表3)。

表3 不同测试点的观测结果比较

通过上述分析可知，各观测点的预警结果符合兴汕项目设计要求及软土路基中误差率<0.1的指标，整体的测试结果比较满意。BP算法的实际与理论观测误差较小，处于0～1范围内，其中观测结果与实际需求相一致[4]。BP算法的水位沉降、土壤沉降的观测频率较高，优于传统算法，存在显著差异，与国内的相关研究结果相一致[5]。两种算法测得的地质变形的观测次数较少，主要是由于地质变形的发生概率较低。总体来说，两种算法不同测试点的观测结果比较平均，说明整体的观测效果较好。

2.5 BP算法与传统算法准确度对比

为了进一步验证该公路软土路基沉降的观测结果，需对其观测时间、观测准确度进行判断和分析。

通过图1的观测结果显示，在多观测频率下，BP算法不同观测点的观测准确性较高，处于95%～98%之间，明显高于传统算法。出现上述现象的原因，是由于BP算法利用传输层的权重、阈值，大幅降低数据的处理量，提高数据中特征值的比例。因此，本文提出的公路软土路基沉降监测方法，可以提高监测公路软土路基的准确性。

图1 观测准确性

2.6 BP算法与传统算法观测的时效性对比

公路软土路基观测监理的另一个重要指标为观测时效，该指标主要是在观测准确性一定情况下的观测效率，为相关处理措施的提出提供数据支持。

通过图2分析可知，两种算法的数据处理时间主要集中在23.2s，数据观测准确性集中在96%，而BP算法的准确率较高。由此可知，本文提出的BP算法在公路原土路基沉降观测方面，可以有效地对软土路基沉降进行观测。

图2 观测时间与准确性之间的对比

3 结论

公路软土路基沉降观测技术的关键，是要把握主观和客观因素，结合路段的地质、水文、土壤承载力等多方面因素，进行有效的观测。同时，公路软土路基沉降观测点越多，监测的效果越好，但也存在测试数据过多，延长数据处理时间的问题。

(1)BP算法的理论值与实际观测值相比误差较小，处于0～1范围内，其中观测结果与实际需求相一致。

(2)BP算法的水位沉降、土壤沉降的观测频率较高，优于传统算法，存在显著差异，与国内的相关研究结果相一致。总体来说，BP算法与传统算法的不同测试点的观测结果比较平均，说明整体的观测效果较好。

(3)本文采用的BP算法，在多观测频率下，不同观测点的观测准确性较高，处于95%～98%之间，并且数据处理时间主要集中在23.2s，数据观测准确性集中在96%。由此说明，本文提出的公路软土路基沉降监测BP算法，可以实现公路软土路基的准确监测。

(4)本文提出的公路软土路基沉降监测BP神经网络计算分析方法与算法，可以实现对软土路基沉降监测外业数据的智能分析和有效管理。